AC-UNet:一种改进的基于UNet的方法,用于Betula luminifera中的树干和叶片细分
Xiaomei Yi1, Jiaoping Wang1, Peng Wu1
1College of Mathematics and Computer Science, Zhejiang A&F University, Hangzhou, China.
Frontiers in plant science
|December 13, 2023
概括
这项研究引入了AC-UNet,这是一个改进的算法,用于细分植物茎和叶子,提高了用于遗传育种的植物表型的准确性. 新方法在现有模型上取得了更高的性能.
科学领域:
- 植物科学 植物科学
- 计算机视觉 计算机视觉
- 生物信息学是一种生物信息学.
背景情况:
- 准确的植物表型是了解植物生长和遗传特征的关键.
- 植物器官如茎和叶子的自动细分有助于高效的生长监测和大规模的遗传育种.
研究的目的:
- 开发一个改进的基于UNet的算法 (AC-UNet) 进行精确的树干和叶片细分在Betula luminifera.
- 为了应对在植物器官细分过程中特征边缘信息丢失和样本断裂的挑战.
主要方法:
- AC-UNet算法使用VGG16作为其特征提取的骨干,结合了多尺度机制和优化的金字塔聚合模块.
- 扩展网络添加了一个交叉注意力机制,并使用 Dice_Boundary 损失函数来处理样本不平衡.
主要成果:
- 在AC-UNet的数据集中,它在整个欧盟 (mIoU) 的平均交叉率为87.50%,平均PA (mPA) 为92.71%,精度为93.69%.
- 拟议的算法在细分准确性和速度方面超过了PSPNet,DeepLabV3,传统的UNet和Swin-UNet.
- AC-UNet证明了Betula luminifera树干和树叶的高效细分.
结论:
- AC-UNet算法为植物器官细分提供了高度准确和高效的解决方案.
- 这种方法为获得植物表型特征提供了更好的辅助支持,有利于遗传研究和育种计划.


