咖啡是全球三大主要飲料之一，具有重要的經(jīng)濟(jì)價值。咖啡花的早期監(jiān)測在開花調(diào)節(jié)，灌溉，產(chǎn)量預(yù)測和其他作物管理任務(wù)中至關(guān)重要。因此，準(zhǔn)確識別咖啡花是更好地管理這些任務(wù)的關(guān)鍵。然而，常用的遙感平臺由于其較低的時空分辨率并不能實現(xiàn)對咖啡花這一類小目標(biāo)作物的精準(zhǔn)監(jiān)測。

2020年10月，Plant Phenomics刊發(fā)了浙江大學(xué)遙感與信息技術(shù)應(yīng)用研究所題為Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images的研究論文，本文介紹了一種基于地面遙感延時圖像的咖啡花識別方法。為了實現(xiàn)種植園區(qū)中咖啡花的精準(zhǔn)監(jiān)測，本文采用基于地面遙感的高時空分辨率延時圖像，并將二值化算法和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合，進(jìn)而提取出圖像中所包含的咖啡花信息。

Figure1: The five flowering events. (a–e) represent the images acquired on March 7th,March 25th, April 11th, April 27th, and May 25th,2017, respectively.

Figure2: Binarization processing.(a) Original image. (b) Results of the binarization.

基于不同拍攝俯角以及不同光照條件下的圖像，將所提方法（Bin+CNN）和CNN以及基于超像素的SVM分類器進(jìn)行對比分析，實驗結(jié)果表明Bin+CNN具有更好的咖啡花識別性能。基于Bin+CNN方法，在柔光條件下，拍攝俯角為52.5°圖像的咖啡花識別精度最高，對應(yīng)的F1和IoU分別可以達(dá)到0.80和0.67。

Figure 3: Theidentification result of the image with depression angles of 52.5° under softlighting conditions using Bin+CNN model. (a)~(c) are the original images,ground truth maps, and the identification results of the Bin+CNN, respectively.

浙江大學(xué)遙感與信息技術(shù)應(yīng)用研究所尉鵬亮博士生為第一作者，浙江大學(xué)遙感與信息技術(shù)應(yīng)用研究所黃敬峰教授為通訊作者。該研究得到國家自然科學(xué)基金資助(41471277)，使用的數(shù)據(jù)來自于江蘇省無線電科學(xué)研究所有限公司。

論文鏈接

https://spj.sciencemag.org/journals/plantphenomics/2020/6323965/

——推薦閱讀——

Evaluating and Mapping Grape Color Using Image-Based Phenotyping

https://spj.sciencemag.org/journals/plantphenomics/2020/8086309/

Plant Phenomics | 使用基于圖像的表型分析法評估和映射葡萄顏色

Convolutional Neural Networks for Image-Based High-Throughput Plant Phenotyping: A Review

https://spj.sciencemag.org/journals/plantphenomics/2020/4152816/

Plant Phenomics 綜述 | 卷積神經(jīng)網(wǎng)絡(luò)用于基于圖像的高通量植物表型綜述

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（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，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(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。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CABI、CNKI和DOAJ數(shù)據(jù)庫收錄。

說明：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)。

編輯：周燦彧（實習(xí)）、孔敏

審核：尹歡