Plant Phenomics | 山東農(nóng)業(yè)大學(xué)基于半監(jiān)督技術(shù)的濕地松抽梢量計數(shù)研究

濕地松（Slash pine）因其生長迅速、耐旱耐澇、松脂產(chǎn)量高而在我國南方廣泛種植。通過遺傳選育優(yōu)良性狀，可以有效提升松脂和木材的產(chǎn)量。在濕地松的眾多表型性狀中，抽梢密度（每棵樹抽梢的數(shù)量）的大小可作為衡量木材選擇和樹脂產(chǎn)量的重要指標(biāo)，并與濕地松養(yǎng)分吸收、樹木生長、體積大小密切相關(guān)。傳統(tǒng)的抽梢密度計算大多依賴于人工計數(shù)。作者在前期工作中（論文“CountShoots: Automatic detection and counting of slash pine new shoots using UAV imagery”），構(gòu)建了基于密度估計的濕地松抽梢量計數(shù)模型，取得了較好的效果，但上述工作的正常開展普遍需要以充足且準(zhǔn)確的數(shù)據(jù)為支撐，而該過程不僅耗時且人工標(biāo)注成本很高。因此如何有效降低標(biāo)注成本同時保證模型的性能，是提升濕地松抽梢量計數(shù)工作的關(guān)鍵，也是深度學(xué)習(xí)模型應(yīng)用與發(fā)展的重要研究課題。

2024年8月，Plant Phenomics在線發(fā)表了由山東農(nóng)業(yè)大學(xué)與中國林業(yè)科學(xué)研究院亞熱帶林業(yè)研究所聯(lián)合完成的題為MTSC-Net: A Semi-Supervised Counting Network for Estimating the Number of Slash pine New Shoots的研究論文。

該論文首次提出將半監(jiān)督方法用于濕地松抽梢量計數(shù)。首先，基于Mean-Teacher框架，使用調(diào)整的VGG-19提取抽梢的多尺度特征。其次，引入注意力特征融合模塊加強(qiáng)局部位置信息和全局通道特征之間的連接，獲取更加細(xì)節(jié)有用的抽梢特征。最后，通過帶有回歸頭和分類頭的多尺度空洞卷積對抽梢密度圖和密度概率分布進(jìn)行細(xì)粒度處理以加強(qiáng)模型對于抽梢空間分布的理解。此外，引入了補(bǔ)丁對齊的隨機(jī)遮蓋建模策略，以增強(qiáng)對全局新梢特征的上下文理解。實驗結(jié)果顯示，MTSC-Net在標(biāo)注比例從5%到50%的情況下，優(yōu)于其他半監(jiān)督計數(shù)模型。當(dāng)標(biāo)注比例為5%時，其平均絕對誤差和均方根誤差分別為17.71和25.49，表明該研究可作為一種有效的半監(jiān)督計數(shù)方式為樹木的育種和遺傳利用提供自動化方法支撐。

山東農(nóng)業(yè)大學(xué)信息學(xué)院學(xué)生張兆旭為本文第一作者，郝霞副教授與郭旭超副教授分別為本文第一、第二通訊作者，亞林所李彥杰副研究員重點參與了該項研究。該成果得到了山東省自然科學(xué)基金青年項目（ZR2023QF016）、生物育種重大項目（項目編號2023ZD040580105）以及中國林業(yè)科學(xué)研究院基本科研業(yè)務(wù)費（CAFYBB2022QA001）的資助。

論文鏈接：
https://doi.org/10.34133/plantphenomics.02‍28‍

相關(guān)代碼開源：
https://github.com/zzx/MTSC-Net。

——推薦閱讀——
Geographic-Scale Coffee Cherry Counting with Smartphones and Deep Learning
https://doi.org/10.34133/plantphenomics.0165
Plant Phenomics | 利用智能手機(jī)和深度學(xué)習(xí)進(jìn)行地理尺度的咖啡櫻桃計數(shù)
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020‍
Plant Phenomics ESI高被引論文 | 基于高通量無人機(jī)RGB圖像的水稻植株計數(shù)、定位和大小估計方法

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)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)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DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2022影響因子為7.6，位于農(nóng)藝學(xué)一區(qū)（1/125名），植物科學(xué)一區(qū)（13/265名），遙感一區(qū)（6/62名）。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項目。

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)。
特邀作者：張兆旭
排版：許怡瑤（上海交通大學(xué)）
審核：孔敏、王平