基于VGG-UNet的食用菌菌丝体表型参数自动测量方法

文献类型： 中文期刊

第一作者： 陈燕

作者： 陈燕;陆嘉豪;胡小春;祁亮亮

作者机构：

关键词： 食用菌菌丝体;表型参数;深度学习;图像处理;语义分割;VGG-UNet

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2024 年 55 卷 001 期

页码： 233-240

收录情况： EI ; 北大核心 ; CSCD

摘要： 食用菌菌丝体表型特征是食用菌种质资源评价和科学育种的重要依据.针对传统阈值分割方法提取菌丝体区域易受到光照不均、菌丝体不规则生长和培养皿内产生代谢物等因素干扰的问题,制作食用菌菌丝体图像数据集,并提出一种基于深度学习的食用菌菌丝体表型参数自动测量方法.将U-Net网络编码器部分替换为VGG16的前13个卷积层,引入预训练权重,构建适用于菌丝体分割的VGG-UNet模型.测试集上对比实验表明,该模型的平均交并比达到98.18%,比原始U-Net模型高0.93个百分点.经该模型获取菌丝体分割图像后,利用OpenCV相关函数计算菌丝体的半径、周长、面积、覆盖度、圆整度这5个表型参数.将人工测量方法与本文方法进行线性回归分析,得出菌丝体半径、周长、面积和覆盖度的决定系数分别为0.979 5、0.991 5、0.975 0和0.975 0,均方根误差分别为2.20 mm、4.73 mm、176.74 mm2和3.16%.经测试,本文方法能准确地完成食用菌菌丝体表型参数自动测量任务,为食用菌表型分析研究提供理论基础.

分类号： TP391.41

  • 相关文献

[1]基于深度学习的遥感影像耕地地块边界提取应用. 马海荣. 2023

[2]基于HRNet-OCR模型的农村宅基地提取方法. 韦任,范蓓蕾,赵子娟,杨荣超. 2022

[3]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[4]采用改进Unet网络的茶园导航路径识别方法. 赵岩,张人天,董春旺,刘中原,李杨. 2022

[5]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[6]基于RGB图像与深度学习的冬小麦田间长势参数估算系统. 李云霞,马浚诚,刘红杰,张领先. 2021

[7]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

[8]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[9]基于深度学习的马铃薯花粉活力快速检测. 夏士轩,耿泽栋,祝光涛,张春芝,李大伟. 2024

[10]对两种不同饲养条件下猪生长和胴体性状的遗传与表型参数的研究. 胡锦平,Chris Haley,Cam Mcphee. 1990

[11]西丰梅花鹿种公鹿茸重性状表型参数的统计分析. 赵蒙,罗剑通,常忠娟,宋海燕,冷俊锋. 2001

[12]镉胁迫下不同小白菜表型特征、光合能力及镉富集能力研究. 常鹏艳,王松良,王涛,陈永快. 2024

[13]卷积神经网络在农业遥感图像语义分割中的应用综述. 徐乐园,毛克彪,郭中华,葛非凡,赵瑞. 2024

[14]基于语义分割模型和遥感的柑橘园空间信息提取. 董秀春,蒋怡,杨玉婷,郭涛,李宗南,李章成. 2023

[15]基于CT图像和RAUNet-3D的玉米籽粒三维结构测量. 杜建军,李大壮,廖生进,卢宪菊,郭新宇,赵春江. 2022

[16]基于改进UperNet的结球甘蓝叶球识别方法. 朱轶萍,吴华瑞,郭旺,吴小燕. 2024

[17]基于语义分割和可见光谱图的作物叶部病斑分割方法. 李凯雨,张慧,马浚诚,张领先. 2023

[18]面向农机自动驾驶的农田边界线预测方法. 卢昊,王昊,付卫强,温昌凯,梅鹤波,单永超,秦维贤,孟志军. 2024

[19]基于混合扩张卷积和注意力的黄瓜病害严重度估算方法. 李凯雨,朱昕怡,马浚诚,张领先. 2023

[20]基于GF-2卫星数据的日光温室智能识别应用实践. 白冰,卢闯,罗玉柱,彭秀媛. 2022

作者其他论文 更多>>

微信小程序