WheatSpikeNet:一个改进的小麦分段模型,用于从现场成像中准确估计
M A Batin1, Muhaiminul Islam1, Md Mehedi Hasan1
1Department of Robotics and Mechatronics Engineering, University of Dhaka, Dhaka, Bangladesh.
Frontiers in plant science
|September 11, 2023
概括
准确的小麦尖计数对于表型和产量估计至关重要. 本研究介绍了WheatSpikeNet,这是一个增强的实例细分模型,可以从现场图像中检测和细分小麦的最新性能.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物育种 植物育种
背景情况:
- 植物表型化对于识别理想的作物特征和评估环境影响至关重要.
- 小麦密度是一个关键的农学因素,但在不同的田间条件下准确计数仍然具有挑战性.
研究的目的:
- 开发一种高效和准确的方法,用于在田间图像中对小麦进行细分和计数.
- 引入一个精选的数据集 (SPIKE-segm) 和一个优化的实例细分模型 (WheatSpikeNet).
主要方法:
- 使用了布面具RCNN架构,并进行了增强和超参数调整.
- 采用ResNet50作为支柱的可变形卷积网络 (DCN),通用ROI提取器 (GRoIE) 和侧面意识边界定位 (SABL).
- 进行了全面的废弃分析,以确定最有效的模型组件.
主要成果:
- 在SPIKE数据集上,WheatSpikeNet实现了卓越的性能,bbox和mask mAP分数分别为0.9303和0.9416.
- 展示了最先进的检测和细分能力,优于现有方法.
- 在尖端检测方面实现了高达0.41%的mAP改进,在细分任务方面实现了3.46%的mAP改进.
结论:
- 拟议的WheatSpikeNet模型为准确的小麦分段和计数提供了一个强大的解决方案.
- 这一进步有助于在小麦育种计划中精确估计产量.
- 优化的模型和数据集有助于改进自动化植物表型化技术.


