文献类型： 中文期刊

作者： 樊江川 ¹ ; 王源桥 ¹ ; 苟文博 ¹ ; 蔡双泽 ¹ ; 郭新宇 ¹ ; 赵春江 ¹ ;

作者机构： 1.中国农业大学信息与电气工程学院;国家农业信息化工程技术研究中心/北京市农林科学院信息技术研究中心/数字植物北京市重点实验室;北京派得伟业科技发展有限公司;西北农林科技大学信息工程学院

关键词： 移动式表型平台;实例分割;草莓表型;叶龄统计;冠幅;Mask R-CNN;ResNeSt

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2024 年 6 卷 002 期

页码： 95-106

收录情况： CSCD

摘要： [目的/意义]为解决高通量草莓叶龄及冠幅提取问题,提出一种基于移动式表型平台和实例分割技术的高通量表型提取方法.[方法]利用小型移动式表型平台对温室内盆栽草莓植株的俯拍图像进行数据获取,并利用改进型Mask R-CNN(Convolutional Neural Network)模型对图像进行处理,以此获取草莓植株叶龄信息.首先利用带有分组注意力模块的Split-Attention Networks(ResNeSt)骨干网络替换原有网络,从而提高图像特征信息提取精度和执行效率.在训练时,利用Mosaic方法对草莓图像进行数据增强,并且使用二元交叉熵损失函数对原本的交叉熵分类损失函数进行优化,以达到更好的植株与叶片的检测准确度.在此基础上,对训练结果进行后处理,利用标定比值对冠幅进行计算.[结果和讨论]该方法能够在ResNeSt-101骨干网络下,实现80.1%的掩膜准确率和89.6%的检测框准确率,并且能够以99.3%的植株检测正确率和98.0%的叶片数量检出率实现高通量的草莓叶龄估算工作.而模型推理后草莓植株南北和东西向冠幅测试值与真实值相比误差均低于5%的约占98.1%.[结论]该方法有着较高的鲁棒性,能够为智慧农业下高通量植物表型获取与解析工作提供技术支持.