快速在线植物叶面积变化检测,具有高通量植物图像数据
Yinglun Zhan1, Ruizhi Zhang1, Yuzhen Zhou1
1Department of Statistics, University of Nebraska-Lincoln, Lincoln, NE, USA.
Journal of applied statistics
|October 9, 2023
概括
高通量植物表型 (HTPP) 使用实时成像进行有效的叶面积监测. 这一新框架可以在较短的时间内快速检测变化,从而改善植物育种和作物管理.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物生物学 植物生物学
背景情况:
- 高通量植物表型 (HTPP) 产生了大量的图像数据,这给高效的植物特征预测和异常检测带来了挑战.
- 对单个植物特性的准确而非破坏性的监测对于植物育种和作物管理至关重要.
研究的目的:
- 提出一种新的基于图像的在线检测框架,用于实时监测和检测单个植物叶面积的变化.
- 通过实现高效的植物特征预测和异常检测来应对HTPP中大量图像数据的挑战.
主要方法:
- 开发基于图像的两步在线检测框架,使用实时成像数据.
- 实施监测和检测单个植物叶面积变化的系统,以最小的检测延迟.
- 使用真实世界的数据分析验证框架的效率.
主要成果:
- 与基线方法相比,在预定义的错误报警率下,拟议的框架实现了较小的检测延迟.
- 该方法在实时运行,无需存储所有过去的图像信息.
- 通过真实数据分析证明了效率和适用性.
结论:
- 开发的框架为HTPP的实时监控和异常检测提供了有效的解决方案.
- 这种方法促进了更快,更准确的植物特征分析,支持了植物育种和作物管理的进步.
- 该系统的实时数据处理能力使其适用于动态农业监测应用.


