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。

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

《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