测试一种基于改进的UNet和骨稀疏算法的方法,以获得高高大,有价值的树木的树枝表型,使用Abies beshanzuensis作为研究样本
Jiahui Shen1,2,3, Lihong Zhang4, Laibang Yang5
1College of Mathematics and Computer Science, Zhejiang A & F University, Hangzhou 311300, China.
Plants (Basel, Switzerland)
|July 14, 2023
概括
自动树枝监测使用改进的UNet模型进行准确的细分和一种新的算法来测量树枝长度和倾斜度. 这有助于评估植物健康状况,并检测有价值的树木中的压力事件.
科学领域:
- 植物学 植物学
- 计算机视觉 计算机视觉
- 植物科学 植物科学
背景情况:
- 树木健康与形态变化有关,需要有效的监测方法.
- 由于不规则的结构和环境因素,对分支机构的现场监测具有挑战性.
- 自动化表型测量可以增强植物健康评估和保护工作.
研究的目的:
- 开发一种自动化的方法来监测田间环境中的树枝表型.
- 使用改进的UNet模型准确地分割树干和树枝.
- 测量分支的长度和倾斜角,以检测应力或断裂.
主要方法:
- 改进的UNet模型被用于精确细分树干和树枝.
- 采用数字图像处理算法,包括张苏恩稀释,找到分支骨架线.
- 分支的长度是通过像素数来确定的,倾斜角是使用欧几里德距离匹配计算的.
主要成果:
- 改进的UNet模型在行业细分方面实现了94.30%的欧盟平均交叉点 (MIoU).
- 该算法在计算分支长度和倾斜角度方面表现出高精度,R2>0.89.
- 该方法在Abies beshanzuensis的视频图像上得到了验证.
结论:
- 拟议的算法有效地对树枝进行细分,并在现场条件下测量其关键形态参数.
- 这提供了一个强大的工具来监测有价值和高大的植物的健康状况.
- 该方法有助于早期检测潜在的损害或压力,支持保护战略.


