无人机可见光表型检测甜菜褐斑病


发布时间:

2022-01-04

来源:

本站

作者:

PhenoTrait

      植物病害会对产量产生强烈的负面影响,严重影响农田的生产效率。从长远来看为了解决这个问题,育种学家的目标是开发新的、更具耐受性或抗性的新品种,免受的植物病害的影响。使用可安装在飞行器上的传感器检测植物病害因为成本低,符合农民的利益,可以用来支持病虫害综合管理的决策制定和育种学家耐受或抗性基因型的选择。本文使用无人机获取的RGB图像研究甜菜褐斑病 (CLS) 的检测。作者提出了一种使用完全卷积神经网络解决 CLS 检测问题的方法,该网络直接对无人机捕获的 RGB 图像进行操作而且不需要复杂的多光谱或高光谱传感器,也可以提供可靠的结果和高灵敏度。作者为 CLS 症状、健康植被和背景的像素级语义分割提供了一个检测方案,并可以自动量化感染的等级。利用该方法从不同甜菜试验田获取的无人机数据集充分评估了这个系统。作者在现实作物场景条件下评估了该方法,并分析了它对未知环境的泛化能力。获得的结果与专家的视觉估计显着相关。该研究显示了高分辨率 RGB 成像和卷积神经网络在田间条件下用于植物病害检测的潜力。

  尽管如此,使用更大的数据集仍有方法改进的余地,专家也可以参与标记过程来获得更好的数据集。 此外,提高 RGB 图像的分辨率很可能会改善检测结果,尤其是在早期症状的检测方面。

 

  图1 单个图的 RGB 和相应的地面实况信息。 标记为褐斑病(CLS) 的像素为粉红色,而健康植被由绿色像素表示。

 

  图2 褐斑病分类结果输出的可视化。 在左起第一幅图像中,显示了原始 RGB 图像。 在最右边的图像中,使用绿色像素将预测语义图的像素级标签(左起第三幅图像)与真实语义图(左起第二幅图像)的像素级标签之间的一致性可视化( 一致),红色像素表示不一致。 在语义图中,将褐斑病表示为红色像素,将健康植被类表示为绿色像素,所有剩余的像素都属于类背景。

 

  图3 基于预测语义图的褐斑病感染水平 (IL) 确定结果。 上面一行包含基于使用在相似条件下训练的分类器获得的语义图的结果,而下面一行包含基于使用在变化条件下训练的分类器的结果。

 

  来源:Görlich, F., Marks, E., Mahlein, A. K., König, K., Lottes, P., & Stachniss, C. (2021). UAV-Based Classification of Cercospora Leaf Spot Using RGB Images. Drones, 5(2), 34.

  

  编辑:婷婷

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

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

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。