学术中心
3D植物点云的深度语义分割
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-10-04 06:10
- 访问量：
【概要描述】研究结果表明，该网络能够仅基于结构数据区分叶、茎和土壤的语义类别。
3D植物点云的深度语义分割
【概要描述】研究结果表明，该网络能够仅基于结构数据区分叶、茎和土壤的语义类别。
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-10-04 06:10
- 访问量：
植物表型分析是植物育种工作中必不可少的一步。评估植物三维形态和提取相关表型特征的标准程序速度慢、价格昂贵且需要自动化。前期研究中关于植物自动语义分割的工作依赖于关于作物类型和传感器设置的明确先验知识，以及手动调整参数。
在本研究中，作者使用监督机器学习算法，直接从整个植物的点云数据中预测每个点的语义注释，并最大限度地减少必要的用户输入。在完全注释的程序生成的番茄植物部分点云数据集上训练 PointNet++ 变体。在合成数据测试样本、更复杂生长场景样本和真实植物数据样本上对模型产生的每一个点的语义注释进行了定量和定性评估。研究结果表明，该网络能够仅基于结构数据区分叶、茎和土壤的语义类别。
从图1单株分割效果来看，土壤和植株的分割效果较好，最常见的分割错误发生在茎与叶区域混淆的地方。 特别是靠近植物顶部的细小的茎通常不易被发现。有时，在点云中仅捕获一小部分叶子，或者茎和叶由于透视和遮挡而紧密重叠时，叶片被错误分类为茎。但在大多数情况下可以定位茎的基部。
图1单独植株分割效果
从图2 群体分割效果来看，也存在茎叶分割不完全的情况，但大部分分割是有效的。结果表明，该模型确实可以区分局部形状特征，并且没有过分强调训练数据中呈现的单个植物的全局形状的规律。
图2 有遮挡的群体植株分割效果
从图3 真实植物分割效果来看，茎叶区域之间的语义分割结果在这个真实作物中更加模糊。但是，用合成数据训练模型并迁移到真实作物上在一定程度上还是提高了预训练的可能性，减少了所需的完全注释的现实世界训练数据的数量。
图3 真实的番茄植株和玉米植株分割效果
来源：Karoline Heiwolt, Tom Duckett, and Grzegorz Cielniak. Deep semantic segmentation of 3D plant point clouds.
编辑：婷婷
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
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：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
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