学术中心

全部分类
您现在的位置:
首页
/
/
/
基于K均值聚类分割和卷积神经网络的小麦穗计数

基于K均值聚类分割和卷积神经网络的小麦穗计数

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:植物表型资讯
  • 发布时间:2020-09-14 06:10
  • 访问量:

【概要描述】为了实现快速、准确的小麦穗计数,本文采用K均值聚类对手持设备采集的小麦穗图像进行自动分割。

基于K均值聚类分割和卷积神经网络的小麦穗计数

【概要描述】为了实现快速、准确的小麦穗计数,本文采用K均值聚类对手持设备采集的小麦穗图像进行自动分割。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:植物表型资讯
  • 发布时间:2020-09-14 06:10
  • 访问量:
详情

 小麦产量受单位面积穗数的影响,传统上采用人工计数来估计小麦产量。为了实现快速、准确的小麦穗计数,本文采用K均值聚类对手持设备采集的小麦穗图像进行自动分割。通过建立非小麦穗、1个小麦穗、2个小麦穗和3个小麦穗四类图像标签,构建分割后的数据集,并将其送入卷积神经网络(CNN)模型进行训练和测试,以降低模型的复杂度。

 

麦穗图像处理流程图 

 

结果显示对非小麦、1个小麦穗、2个小麦穗和3个小麦穗的识别准确率分别为99.8、97.5、98.07和98.5%。模型R2达到0.96,均方根误差(RMSE)为10.84穗,宏观F1评分和微观F1评分均达到98.47%,在灌浆后期(R2= 0.99,RMSE =9.47穗)达到最佳性能。

 

小麦穗部轮廓特征提取图

 

综上所述,与目标识别相比,分割图像分类不仅能够减少人工标注的工作量,而且能够显著提高小麦计数的效率和准确率,满足了田间环境下小麦估产的要求。

 

用该模型识别的小麦穗与图像中相应的人工识别值的比较

 

来源:

Xu X, Li H, Yin F, et al. Wheat ear counting using K-means clustering segmentation and convolutional neural network. Plant Methods. https://doi.org/10.1186/s13007-020-00648-8.

关键词:

扫二维码用手机看

推荐新闻

高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
发布时间 : 2022-05-20 11:45:57
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
查看详情
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
作物生理表型测量基础原理
作物生理表型测量基础原理
发布时间 : 2022-05-13 10:56:43
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
查看详情
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
AI育种,从这里起步
AI育种,从这里起步
发布时间 : 2022-05-09 12:21:00
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
查看详情
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门 
电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明