九叔归来3魁蛊婴在线观看_男人躁女人到高潮AV_香港成人论坛_亚洲精品久久久久久偷窥_夜来香成人网_亚洲制服 视频在线观看_无毒黄站_国产传媒18精品A片一区_麻花豆传媒剧国产MV在线观看_东北60岁熟女露脸在线_国产高清视频在线观看97_一道本视频一二三区_yellow免费播放在线观看_浪漫樱花动漫在线观看官网_高清AV熟女一区_天堂在线www_亚洲第一成年人网站_黄色在线免费观看_av女优快播_久久精品99国产精品日本

English | 中文版 | 手機(jī)版 企業(yè)登錄 | 個(gè)人登錄 | 郵件訂閱
當(dāng)前位置 > 首頁(yè) > 技術(shù)文章 > 從原型到推理:深度學(xué)習(xí)在高粱穗部檢測(cè)中的應(yīng)用

從原型到推理:深度學(xué)習(xí)在高粱穗部檢測(cè)中的應(yīng)用

瀏覽次數(shù):1077 發(fā)布日期:2023-2-20  來(lái)源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負(fù)


對(duì)于高粱這類(lèi)在產(chǎn)生不同分蘗數(shù)的作物,穗的密度是了解作物產(chǎn)量的主要組成部分。在植物育種和商業(yè)作物的農(nóng)學(xué)研究中,利用穗密度通常依賴(lài)于人工計(jì)數(shù)觀察,這是一個(gè)低效和繁瑣的過(guò)程。在目前的研究中,作物的RGB圖像是十分容易被采集的,因此可以基于RGB圖像利用機(jī)器學(xué)習(xí)方法以取代人工計(jì)數(shù)。然而,這些研究主要集中在有限的測(cè)試條件下的檢測(cè)本身,并沒(méi)有提供使用基于深度學(xué)習(xí)的計(jì)數(shù)的通用協(xié)議。本研究所研發(fā)的系統(tǒng)提供了從數(shù)據(jù)收集和模型訓(xùn)練到商業(yè)領(lǐng)域的模型驗(yàn)證和模型部署的基礎(chǔ),準(zhǔn)確的模型訓(xùn)練是研發(fā)生產(chǎn)系統(tǒng)的基礎(chǔ)。然而,在自然環(huán)境中,部署數(shù)據(jù)集經(jīng)常不同于訓(xùn)練數(shù)據(jù)從而導(dǎo)致模型失敗,因此一個(gè)豐富的模型對(duì)于建立一個(gè)可靠的解決方案至關(guān)重要。
 

2023年1月,Plant Phenomics在線發(fā)表了The University of Queensland題為From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection 的研究論文。
 

本文提供了一個(gè)全面的系統(tǒng),從數(shù)據(jù)收集到模型部署,基于深度學(xué)習(xí)輔助進(jìn)行高粱穗產(chǎn)量估計(jì)。研究主要圍繞兩個(gè)實(shí)驗(yàn)進(jìn)行,第一個(gè)實(shí)驗(yàn)中,收集了一個(gè)在抽穗早期帶有高粱植株的田間數(shù)據(jù)集,主要集中于地面圖像數(shù)據(jù)集,并使用半自動(dòng)標(biāo)記和手動(dòng)標(biāo)記的組合來(lái)標(biāo)注數(shù)據(jù)集,同時(shí)調(diào)整我們的地面圖像數(shù)據(jù)集來(lái)訓(xùn)練一個(gè)模型來(lái)檢測(cè)無(wú)人機(jī)圖像的中的穗數(shù)。通過(guò)在地面圖像上訓(xùn)練和驗(yàn)證模型,并在一個(gè)僅由無(wú)人機(jī)圖像組成的單獨(dú)測(cè)試上評(píng)估模型,以觀察模型的泛化能力。
 

圖1源數(shù)據(jù)準(zhǔn)備和模型培訓(xùn)/評(píng)估的概述


在第二個(gè)實(shí)驗(yàn)中,我們提供了一個(gè)生產(chǎn)線,描述了在另一個(gè)高粱田地部署基于深度學(xué)習(xí)的檢測(cè)模型。對(duì)該系統(tǒng)的概述如下:(a)考慮并比較了多重深度學(xué)習(xí)方法。如果只需要準(zhǔn)確的穗數(shù)計(jì)數(shù),回歸模型可以提供比探測(cè)器更準(zhǔn)確的結(jié)果。然而,如果現(xiàn)場(chǎng)需要進(jìn)行更詳細(xì)的分析,探測(cè)器模型是必要的。(b)提出了一個(gè)行檢測(cè)的RANSAC模型,該模型使用穗數(shù)檢測(cè)結(jié)果來(lái)識(shí)別種植行,以分析行之間的間隙和穗密度的變化。(c)穗密度/平方米的頭部計(jì)數(shù)在每張圖像的基礎(chǔ)上和跨領(lǐng)域可視化。
 

圖2 基于圖像的穗密度可視化。(A)穗檢測(cè)和行檢測(cè)。在最近的一行上的(B)點(diǎn)回歸。(C)每一行的一維移動(dòng)和頭計(jì)數(shù)和高斯平滑處理。(D) 3D顯示每行磁頭密度。(E)橫跨整個(gè)圖像的穗密度


本研究在高粱田地展示了自主研發(fā)的系統(tǒng),并且該系統(tǒng)可以推廣到其他作物品種。本研究所研發(fā)的系統(tǒng)提供了一個(gè)高分辨率的穗密度圖,可以不借助其他商業(yè)軟件的前提下用于診斷作物在一個(gè)區(qū)域內(nèi)的農(nóng)藝變異性。
 

論文鏈接:

https://spj.science.org/doi/10.34133/plantphenomics.0017


——推薦閱讀——

Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline

https://doi.org/10.34133/2022/9758‍532

Plant Phenomics | 基于深度學(xué)習(xí)的微根管圖像自動(dòng)化分析方法

A Deep Learning-Based Phenotypic Analysis of Rice Root Distribution from Field Images

https://doi.org/10.34133/2020/3194308

Plant Phenomics | 基于深度學(xué)習(xí)的水稻根系分布表型研究


加入作者交流群

掃碼添加小編微信,拉您進(jìn)入《植物表型組學(xué)》作者交流群,群內(nèi)不定期開(kāi)展作者分享會(huì)、專(zhuān)刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信,備注姓名+單位+PP,加入作者交流群


About Plant Phenomics

《植物表型組學(xué)》(Plant Phenomics)是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)(AAAS)合作創(chuàng)辦的英文學(xué)術(shù)期刊,于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式,刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù),基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究,提取表型信息的新算法,作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用,與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究,表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2021影響因子為6.961,位于農(nóng)藝學(xué)、植物科學(xué),遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū),遙感二區(qū),生物大類(lèi)一區(qū)(TOP期刊)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說(shuō)明:本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。

中文內(nèi)容僅供參考,一切內(nèi)容以英文原版為準(zhǔn)。

撰稿:吳庚宸(南京農(nóng)業(yè)大學(xué))

排版:薛楚凡(南京農(nóng)業(yè)大學(xué))

審核:孔敏、王平

發(fā)布者:北京博普特科技有限公司
聯(lián)系電話(huà):010-82794912
E-mail:1206080536@qq.com

用戶(hù)名: 密碼: 匿名 快速注冊(cè) 忘記密碼
評(píng)論只代表網(wǎng)友觀點(diǎn),不代表本站觀點(diǎn)。 請(qǐng)輸入驗(yàn)證碼: 8795
Copyright(C) 1998-2025 生物器材網(wǎng) 電話(huà):021-64166852;13621656896 E-mail:info@bio-equip.com
主站蜘蛛池模板: 白河县| 宣武区| 淮滨县| 陆川县| 吉水县| 阳高县| 天峨县| 长宁区| 马关县| 吉安市| 巴里| 高州市| 新巴尔虎右旗| 惠安县| 湘西| 横峰县| 莎车县| 南召县| 洛浦县| 建阳市| 石棉县| 邢台县| 安福县| 凯里市| 都安| 泰来县| 常宁市| 山东| 上虞市| 黄梅县| 永善县| 嘉义县| 满城县| 灵璧县| 洛宁县| 新丰县| 资中县| 南木林县| 汽车| 鞍山市| 乌兰察布市|