HairNet2:深度学习来量化棉花叶毛发,这是一个复杂的遗传和环境特征
Moshiur Farazi1, Warren C Conaty2,3, Lucy Egan2,3
1Data61, Commonwealth Scientific and Industrial Research Organisation, Clunies Ross street, Canberra, 2601, Australian Capital Territory, Australia.
Plant methods
|March 20, 2024
概括
HairNet2提供了定量深度学习方法来测量棉花叶毛发,提供比定性得分更精确的排名. 这种工具有助于识别改进作物品种的理想特征.
科学领域:
- 农业科学 农业科学
- 植物生物学 植物生物学
- 计算生物学 计算生物学
背景情况:
- 棉花是主要的天然纤维来源,叶子的毛发影响了关键的农业特征.
- 目前评估叶子毛发的方法是定性的,依赖于视觉评分或HairNet深度学习模型 (GHS).
- 需要一种更精确和定量方法来评估棉花叶的毛发度.
研究的目的:
- 推出HairNet2,一种用于测量棉花叶毛发度的新型定量深度学习模型.
- 开发一种可以检测叶子毛发 (三体) 的模型,并提供细分面具和定量叶子三体得分 (LTS).
主要方法:
- 1250个三体图像 (AnnCoT) 的注释.
- 测试六个特征提取器和五个细分模块,具有各种损失函数和数据增强.
- 在多个数据集 (CotLeaf-1,CotLeaf-2,CotLeaf-X) 上验证HairNet2.
主要成果:
- 叶子数,环境和图像位置并没有显著影响结果.
- 虽然基因型毛发度得分 (GHS) 和叶子三体得分 (LTS) 通常是相关的,但LTS在基因型水平上在GHS类中显示出显著的异质性.
- LTS与专家图像评分有很强的相关性.
结论:
- 头发网2是第一个定量和可扩展的深度学习模型,用于测量叶子毛发.
- 该模型与极端的定性得分保持一致,但建议对中间表型进行重新排序 (GHS 3-4+).
- 头发网2有助于精细排列表型,并使特定的毛发特征与有益的特征相关的选择成为可能.
关键词:
棉花 棉花 棉花 棉花 棉花深度学习是一种深度学习.头发网 头发网 头发网叶子 叶子 叶子机器学习 机器学习神经网络的神经网络的神经网络现型化 (Phenotyping) 是一种表现方式.三合体的三合体.更多相关视频
08:41A Rapid Laser Probing Method Facilitates the Non-invasive and Contact-free Determination of Leaf Thermal Properties
Published on: January 7, 2017
7.3K
12:11Measurement of Leaf Hydraulic Conductance and Stomatal Conductance and Their Responses to Irradiance and Dehydration Using the Evaporative Flux Method EFM
Published on: December 31, 2012
37.4K
