相关实验视频
Updated: Jun 12, 2026
08:14
LeafJ: An ImageJ Plugin for Semi-automated Leaf Shape Measurement
Published on: January 21, 2013
28.5K
从叶子到标签:构建模块化机器学习网络,以使用LeafMachine2快速进行草本植物标本分析
William N Weaver1, Stephen A Smith1
1Department of Ecology and Evolutionary Biology University of Michigan 1105 N. University Ave. Ann Arbor 48109 Michigan USA.
Applications in plant sciences
|November 2, 2023
概括
LeafMachine2是一个新的机器学习工具,可以自动从数字图像中提取植物特征. 这种高效的系统加速了从草药馆标本中获取数据的速度,使生物研究更快.
科学领域:
- 植物学 植物学
- 计算机科学 计算机科学
- 生物信息学是一种生物信息学.
背景情况:
- 植物的定量特征对于生物研究至关重要.
- 传统的植物形态测量方法缓慢且难以扩展.
- 需要自动化工具来加快获取植物特征数据.
研究的目的:
- 介绍一个机器学习和计算机视觉工具LeafMachine2,用于自动化植物特征提取.
- 展示LeafMachine2用于分析数字工厂数据集的效率和可扩展性.
主要方法:
- LeafMachine2通过训练了来自5,648个草本馆图像的494,000多个注释,涵盖2,663个物种.
- 该工具使用了工厂组件检测和细分算法.
- 它包括用于伪地标识别的地标网络和用于文本/条形码识别的档案组件探测器.
主要成果:
- LeafMachine2可以从至少245个种子家族中提取特征数据.
- 它计算了26种常见的规则类型的像素到度数的转换因子.
- 该系统有效地处理封闭或重叠的叶子和各种图像类型.
结论:
- LeafMachine2显著提高了从草药馆标本中生成植物特征数据的效率.
- 该工具有助于克服数据采集瓶,允许更多地关注数据修订和质量控制.
- 这一进步支持大规模的生物研究和生物多样性研究.
