学术中心

全部分类
您现在的位置:
首页
/
/
/
基于图像块的实例分割方法与基于密度估计的语义分割方法对葡萄花计数的比较

基于图像块的实例分割方法与基于密度估计的语义分割方法对葡萄花计数的比较

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-10-08 06:10
  • 访问量:

【概要描述】该研究证明了即使在花序形态高度多样化的情况下亦可利用深度学习图像处理算法实现高通量的花朵计数。

基于图像块的实例分割方法与基于密度估计的语义分割方法对葡萄花计数的比较

【概要描述】该研究证明了即使在花序形态高度多样化的情况下亦可利用深度学习图像处理算法实现高通量的花朵计数。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-10-08 06:10
  • 访问量:
详情

  准确地评估葡萄藤的花朵数量对于培育具有最佳繁殖性能的新品种、早期产量预测以及帮助葡萄栽培师作出管理决策具有重要意义。传统图像处理如颜色与形态学分析一类的方法实现了花朵计数的自动化过程,但其在应用于不同光照条件、不同生长时期的多种葡萄藤分析时通用性不强,限制了普适性系统的发展进步。深度学习算法在基于图像的植物表型分析中具有较大潜力,即使面对复杂的农业环境,相关模型也能够保持较好的通用性和准确性。因此,本研究采用深度学习图像实例分割模型Mask R-CNN与图像语义分割模型U-Net实现对葡萄藤花序上花朵的自动计数。其中Mask R-CNN存在两种,其中一种为基于图像块的实例分割,另外一种为基于整个图像的实例分割。

 

  研究中的数据集包含了不同光照条件下4个葡萄藤品种的533张RGB图像,尺寸均被统一为512×512。这些品种在花序长度、花朵数量、花朵密度和分支数等表型方面具有明显的多样性。图像中花朵的标签由VGG图像标记工具制作,实例分割标记为样本多边形边界,语义分割标记为样本点。模型正式训练前每张图像均经过图像增强(图像翻转、图像旋转、图像缩放、图像裁剪与填充)并获得了1080张训练集图像。基于图像块的实例分割方法中,每张输入图像被裁减为256×256的图像块,并且每个图像块之间保证50%的重叠度。当该模型训练完成时,来自同一张图像的不同块的输出结果将会被重新拼接,重叠部分采取平均的策略。

 

  不同模型的性能结果通过与人工标注的真实值计算决定系数R2、均方根误差RMSE与平均绝对百分比误差MAPE进行精度评估和误差估计。 为了评估模型对花朵的分割性能,混淆矩阵与F1得分同样被计算。研究结果表明,基于图像块的实例分割Mask R-CNN的分割计数结果与人工计数结果高度相关,R2达到了0.96。其分割效果具有一定的鲁棒性,不同品种的MAPE在5.50%~8.45%之间。除此之外,基于语义分割模型U-Net的密度估计计数方法拥有最快的计数速度(0.33s/张),适用于实时花朵计数系统。该研究证明了即使在花序形态高度多样化的情况下亦可利用深度学习图像处理算法实现高通量的花朵计数。

 

  图1两种花序花朵图像标注示例(a:实例分割标注;b:密度估计的语义分割标注)

 

  图2 不同的花序图像分割计数模型流程图

 

  图3 模型预测结果与人工标记结果的相关性分析图

 

  图4 模型分割结果示意图

 

  来源:Rahim U F, Utsumi T, Mineno H. Comparison of Grape Flower Counting Using Patch-Based Instance Segmentation and Density-Based Estimation with Convolutional Neural Networks. 2021. EasyChair, 6539.

  

  编辑:张金诺

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