综合图区亚洲网友自拍|亚洲黄色网络|成人无码网WWW在线观看,日本高清视频色视频kk266,激情综合五月天,欧美一区日韩一区中文字幕页

                                English | 中文版 | 手機版 企業(yè)登錄 | 個人登錄 | 郵件訂閱
                                當前位置 > 首頁 > 技術文章 > 基于密度互斥的田間葡萄果實半監(jiān)督計數(shù)研究

                                基于密度互斥的田間葡萄果實半監(jiān)督計數(shù)研究

                                瀏覽次數(shù):538 發(fā)布日期:2023-12-5  來源:本站 僅供參考,謝絕轉載,否則責任自負

                                Plant Phenomics | 武漢工程大學基于密度互斥的田間葡萄果實半監(jiān)督計數(shù)


                                葡萄是一種重要的農產品,葡萄漿果的計數(shù)對于葡萄種植和農業(yè)管理具有重要意義。傳統(tǒng)的計數(shù)方法通常需要大量的人力和時間,而且容易受到主觀因素的影響。因此,研究人員傾向于使用計算機視覺和圖像處理技術來解決這個問題。半監(jiān)督學習方法可以更好地利用有標簽和無標簽的圖像數(shù)據,降低了數(shù)據標注的成本。本研究旨在開發(fā)一種半監(jiān)督學習方法,用于從野外葡萄圖像中精確計數(shù)葡萄果實。
                                 

                                2023年11月,Plant Phenomics在線發(fā)表了武漢工程大學計算機科學與工程學院、人工智能學院題為Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion 的研究論文。研究提出了一種基于密度互斥的田間葡萄漿果半監(jiān)督計數(shù)方法(CDMENet)該算法以VGG 16為主干網絡,提取圖像特征,并引入了基于密度互斥作為為輔助工具,利用葡萄果實在密度層次上得空間分布模式,實現(xiàn)了對葡萄果實得分類識別,該方法充分利用了未標記的數(shù)據,并設計了一種密度差損失器,通過放大不同密度水平之間的特征差異,增強了特征的表示能力。
                                 

                                為了提高計數(shù)準確性并降低數(shù)據標注成本,研究采用了半監(jiān)督學習方法。首先,研究使用Embrapa Wine Grape Instance Segmentation Dataset,其中包含300張野外葡萄圖像,每個圖像中的葡萄漿果都經過手動標記,以創(chuàng)建地面真實標簽(圖1)。這些圖像包括五種不同的葡萄品種,每張圖像中的漿果數(shù)量在200到1500之間不等。
                                 

                                圖1 葡萄品種和田間葡萄漿果數(shù)據集中手動標記圖像的示例


                                隨后,研究提出了CDMENet(密度相互排斥網絡),這是研究的計數(shù)框架。CDMENet由三個主要部分組成:特征提取器、密度回歸器和輔助任務。特征提取器使用了VGG16網絡,用于從輸入圖像中提取深度特征(圖2)。密度回歸器負責預測葡萄漿果的密度圖,而輔助任務則通過多個密度級別預測器提供了對象分布信息,以優(yōu)化特征學習過程。研究使用密度相互排斥來確保各像素僅歸屬于一個密度級別。

                                圖2 基于密度互斥的田間葡萄漿果半監(jiān)督計數(shù)框架


                                此外,在方法效率部分,研究將CDMENet與其他全監(jiān)督和半監(jiān)督計數(shù)方法進行比較,并使用多種指標如MAE、RMSE和R2來評估性能。性能評估結果如表1所示。

                                表1 田間葡萄漿果數(shù)據集在各種計數(shù)算法上的實驗結果


                                深入的消融實驗(Ablation study)表明CDMENet在減少標注成本方面具有巨大潛力。通過對模型進行詳細的組成部分和設計選擇的分析,研究者發(fā)現(xiàn),在不同的標注數(shù)據量和標簽信息條件下,CDMENet都能保持出色的性能,尤其是在相對較少的標注圖像的情況下。這表明CDMENet充分利用了未標注圖像,通過引入基于密度互斥的輔助任務和密度差異損失,成功地減少了對標注圖像的依賴,從而降低了標注成本。這一發(fā)現(xiàn)為在實際應用中更經濟高效地解決葡萄漿果計數(shù)問題提供了重要的理論和實證支持。


                                論文鏈接:

                                https://doi.org/10.34133/plantphenomics.0115


                                ——推薦閱讀——

                                Instance Segmentation and Berry Counting of Table Grape before Thinning Based on AS-SwinT

                                https://spj.science.org/doi/10.34133/plantphenomics.0085

                                Plant Phenomics | 基于AS-SwinT疏果前單串葡萄果粒的實例分割與計數(shù)

                                Prediction of the Maturity of Greenhouse Grapes Based on Imaging Technology

                                https://doi.org/10.34133/2022/9753427

                                Plant Phenomics | 基于表型圖像信息與反向神經網絡預測溫室葡萄成熟度

                                 

                                加入作者交流群

                                掃碼添加小編微信,拉您進入《植物表型組學》作者交流群,群內不定期開展作者分享會、�?l(fā)布會等高質量活動。
                                 

                                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》(Plant Phenomics)是由南京農業(yè)大學和美國科學促進會(AAAS)合作創(chuàng)辦的英文學術期刊,于2019年1月正式上線發(fā)行。采用開放獲取形式,刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據集和觀點。具體范圍涵蓋高通量表型分析的最新技術,基于圖像分析和機器學習的表型分析研究,提取表型信息的新算法,作物栽培、植物育種和農業(yè)實踐中的表型組學新應用,與植物表型相結合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究,表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據庫收錄�?祁Nò睯CR2022影響因子為6.5,位于農藝學、植物科學、遙感一區(qū)。中科院農藝學、植物科學一區(qū),遙感二區(qū),生物大類一區(qū)(TOP期刊)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

                                說明:本文由《植物表型組學》編輯部負責組稿。

                                中文內容僅供參考,一切內容以英文原版為準。

                                撰稿:章?lián)P(南京農業(yè)大學)

                                排版:張婕(上海交通大學)

                                審核:孔敏、王平

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

                                用戶名: 密碼: 匿名 快速注冊 忘記密碼
                                評論只代表網友觀點,不代表本站觀點。 請輸入驗證碼: 8795
                                Copyright(C) 1998-2024 生物器材網 電話:021-64166852;13621656896 E-mail:info@bio-equip.com