Plant Phenomics | 通用性空中植物檢測：油菜計(jì)數(shù)模型研究

植物種群計(jì)數(shù)是農(nóng)業(yè)生產(chǎn)中評(píng)估作物健康的重要指標(biāo)。傳統(tǒng)上，植物出苗率是通過手動(dòng)計(jì)數(shù)的方法得出，但這種方法勞動(dòng)密集且僅能對(duì)田地的有限區(qū)域進(jìn)行采樣，因此缺乏全局視角。近年來，利用無人機(jī)（UAV）獲取田地的航拍圖像，并通過深度學(xué)習(xí)模型進(jìn)行自動(dòng)計(jì)數(shù)成為一種有效的新方法。這一方法可以覆蓋更大面積的田地，提高了計(jì)數(shù)的效率和準(zhǔn)確性。然而，目前的植物檢測模型通常在面對(duì)與訓(xùn)練集顯著不同的圖像時(shí)表現(xiàn)較差，這種分布轉(zhuǎn)移（distribution shift）問題在農(nóng)業(yè)環(huán)境下尤其常見，原因包括不同的天氣、光照條件、田地環(huán)境等。因此，提升模型的泛化能力，尤其是在未知場景中的表現(xiàn)，成為該領(lǐng)域的重要課題。

2024年10月，Plant Phenomics在線發(fā)表了University of Saskatchewan題為 Counting Canola: Towards Generalizable Aerial Plant Detection Models 的研究論文。

該研究以油菜幼苗的航拍圖像為數(shù)據(jù)基礎(chǔ)，探討了三種數(shù)據(jù)集屬性對(duì)模型泛化能力的影響：數(shù)據(jù)集大小、數(shù)據(jù)集的多樣性以及標(biāo)注的質(zhì)量。研究團(tuán)隊(duì)首先構(gòu)建了一個(gè)包含多個(gè)田地和不同采集條件的油菜幼苗數(shù)據(jù)集，并開發(fā)了一個(gè)名為“Canola Counter”的網(wǎng)絡(luò)工具，如圖1所示，用來幫助研究者進(jìn)行圖像標(biāo)注和模型訓(xùn)練。接下來，通過一系列實(shí)驗(yàn)分析了這三種因素對(duì)模型在訓(xùn)練集分布內(nèi)（in-distribution，ID）和分布外（out-of-distribution，OOD）數(shù)據(jù)的表現(xiàn)。

圖1 Canola Counter的網(wǎng)頁截圖

圖2 從四個(gè)訓(xùn)練集和四個(gè)OOD測試集中提取的 416x416 樣本圖像塊

該研究的創(chuàng)新性成果在于：一是揭示了數(shù)據(jù)集多樣性和標(biāo)注質(zhì)量對(duì)模型泛化能力的關(guān)鍵影響，特別指出多樣化的訓(xùn)練數(shù)據(jù)可顯著提升模型在不同場景下的表現(xiàn)；二是分析了不同標(biāo)注噪聲對(duì)模型精度的影響，提出在以計(jì)數(shù)為主的應(yīng)用中可以降低對(duì)標(biāo)注精確度的要求，以減少標(biāo)注成本；三是開發(fā)了Canola Counter工具，支持從圖像標(biāo)注到模型訓(xùn)練的全流程，方便農(nóng)業(yè)研究者快速獲取作物種群數(shù)據(jù)。該研究公開了數(shù)據(jù)集和工具，為提升農(nóng)業(yè)種群檢測模型的泛化性提供了重要資源。

該研究對(duì)于作物健康的早期監(jiān)測具有重要意義。無人機(jī)和深度學(xué)習(xí)相結(jié)合的植物計(jì)數(shù)方法能夠有效替代傳統(tǒng)的手工計(jì)數(shù)，提高田間健康評(píng)估的效率和準(zhǔn)確性。更重要的是，該研究針對(duì)實(shí)際應(yīng)用中不同場景下的分布轉(zhuǎn)移問題提出了解決方案，為農(nóng)業(yè)領(lǐng)域的智能檢測模型研究提供了重要的理論和實(shí)驗(yàn)支持。

論文鏈接：
https://doi.org/10.34133/plantphenomics.0268‍

——推薦閱讀——
Affordable Phenotyping at the Edge for High-Throughput Detection of Hypersensitive Reaction Involving Cotyledon Loss
https://doi.org/10.34133/plantphenomics.0204
Plant Phenomics | 經(jīng)濟(jì)實(shí)惠田間表型分析快速檢測幼苗敏感反應(yīng)
Cucumber Seedling Segmentation Network Based on a Multiview Geometric Graph Encoder from 3D Point Clouds
https://doi.org/10.34133/plantphenomics.0254
Plant Phenomics | 揚(yáng)州大學(xué)繆旻珉教授團(tuán)隊(duì)提出基于多視角幾何圖編碼器的黃瓜幼苗三維點(diǎn)云分割網(wǎng)絡(luò)

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(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(diǎn)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(diǎn)。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(shí)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(jì)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CR2023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(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目、2024年入選江蘇科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊項(xiàng)目、2024年入選中國科技期刊卓越行動(dòng)計(jì)劃二期英文梯隊(duì)期刊。

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)。
編輯排版：王平、趙倩瑩（中國科學(xué)院大學(xué)）
審核：尹歡、孔敏