亚洲视频免费一区|亚洲精品AⅤ无码精品|日韩欧美a∨中文字幕|亚洲一线二线三线AV无码|一级做a爰片久久毛片毛片|无码AV免费一区二区三区|91香蕉国产线观看免费永久|久久久久亚洲av无码专区体验

027-87860098

WheatSpikeNet: 一種改進的小麥穗分割模型，用于田間成像圖像中小麥穗的準確估計

2023/9/8
小麥穗數(shù)與小麥總產(chǎn)量息息相關，是重要的農(nóng)藝性狀之一。隨著人工智能、計算機視覺等信息技術的快速發(fā)展，已經(jīng)提出了不同的深度學習方法來分割和計數(shù)小麥穗。然而，當前研究多集中在實驗室條件下，難以代表真實的、復雜的田間環(huán)境。由于麥田環(huán)境的多樣性，快速、準確地識別小麥穗數(shù)仍然是挑戰(zhàn)。

本研究旨在從小麥田間圖像中精準檢測、分割和計數(shù)小麥穗。首先整理并標注了一個具有精確掩碼和邊界框的小麥穗分割數(shù)據(jù)集SPIKE-segm（3種氮處理、不同生長階段下10個小麥品種圖像數(shù)據(jù)集），提出了一種基于Cascade Mask R-CNN架構的、改進的穗分割模型，該模型對模型架構中幾個組件進行了改進，包括可變形卷積網(wǎng)絡( DCN )，通用RoI提取器( GRoIE )、側邊感知邊界定位( SABL )和自適應微調(diào)學習率LR。

為了評估這些組件的單獨和組合對模型性能的影響，設置了一個基于ResNet50網(wǎng)絡骨干的基線架構，圖像尺寸為1333 × 800，batch size為2，LR為0.00125 (除非另有規(guī)定)。結果顯示，對于測試集，包含所有不同組件的版本在IoU = 0.5時獲得了最佳AP（平均精度），Bbox和Mask的AP分別為0.9303和0.9416。設定IoU閾值為0.5，統(tǒng)計每張圖像的TP，F(xiàn)P和FN，結果表明，該模型在測試圖像中平均準確率達到了86 %，平均F1分數(shù)為0.93。此外，與其他現(xiàn)有的架構和策略相比，所提出的模型在穗檢測中mAP提高了0.41%，在穗分割任務中mAP提高了3.46%。由此可見，本研究所提出的小麥穗模型WheatSpikeNet為從田間圖像中準確分割小麥穗提供了高精度、高效、穩(wěn)定的方法，對未來小麥測產(chǎn)工作具有重要意義。

圖2 研究路線圖。描述了所提出的算法在田間圖像中檢測和分割小麥穗的工作流程。

圖4 SPIKE數(shù)據(jù)集的圖像標注示例( GSGC階段)。三種顏色類別：GSYC -綠穗，黃冠；GSGC -綠穗，綠冠；YSYC -黃穗，黃冠。

圖6本研究提出的穗分割模型結構。

圖8 可變形卷積網(wǎng)絡。

圖9 側邊感知邊界定位( SABL )示例。

圖10 總體性能：( A )決定系數(shù)，真實值與檢測計數(shù)值的比較；( B )訓練過程中的損失度量，超過150 epochs的訓練損失；( C ) 超過150 epochs的訓練精度；( D ) 超過150 epochs的驗證集mAP。

圖11 不同生長階段測試圖像真實值與檢測結果的可視化示例。( A ) GSGC真值圖；( B ) GSGC檢測結果；( C ) GSYC真值圖；( D ) GSYC檢測結果；( E ) YSYC真值圖；( F ) YSYC檢測結果。

表6 與現(xiàn)有研究方法的結果比較

文獻來源：Batin MA, Islam M, Hasan MM, Azad A, Alyami SA, Hossain MA and Miklavcic SJ (2023) WheatSpikeNet: an improved wheat spike segmentation model for accurate estimation from field imaging. Front. Plant Sci. 14:1226190. doi: 10.3389/fpls.2023.1226190


返回
上一篇：基于改進CNN-BiGRU的水稻病害識別方法 下一篇：基于機器視覺和卷積神經(jīng)網(wǎng)絡的大米外觀品質快速自動檢測系統(tǒng)的研究
博爱县| 吉木萨尔县| 游戏| 潢川县| 龙南县| 井陉县| 濮阳县| 西和县| 沁源县| 永济市| 宁海县| 万年县| 曲阜市| 双柏县| 麻阳| 离岛区| 沙湾县| 澜沧| 佳木斯市| 郧西县| 吉安县| 元阳县| 潍坊市| 贵州省| 乌兰察布市| 雷波县| 拉孜县| 汾阳市| 同江市| 朝阳市| 壶关县| 巴林左旗| 嘉善县| 长治县| 巍山| 崇仁县| 甘肃省| 香港| 仁布县| 青州市| 姚安县|