一个基于深度语义网络的图像细分,对大豆生病原体进行细分.
Yalin Wu1, Zhuobin Xi2, Fen Liu1
1Lushan Botanical Garden, Jiangxi Province and Chinese Academy of Sciences, Jiujiang, China.
Frontiers in plant science
|April 11, 2024
概括
一种改进的Mask R-CNN方法精确地对亚洲大豆生真菌进行细分,通过大规模的表型查,有助于发现新的杀菌剂和药物.
科学领域:
- 植物病理学 植物病理学
- 菌类学 菌类学是指菌类学.
- 计算生物学 计算生物学
背景情况:
- 由 *Phakopsora pachyrhizi* 引起的亚洲大豆生对大豆生产构成重大威胁,可能导致高达80%的产量损失.
- 准确的真菌病原体图像细分对于了解疾病进展和促进新农业生物杀菌剂和药物的开发至关重要.
研究的目的:
- 开发一种增强的图像细分方法,用于在高密度条件下准确识别和分析Phakopsora pachyrhizi.
- 提高大规模植物真菌病原体表型查的效率和准确性.
主要方法:
- 开发了一个改进的Mask R-CNN模型,将Res2net用于增强特征提取和FPG用于改进能力.
- 使用CIoU损失函数优化模型的损失函数,以实现边界框回归,加速融合并提高分类准确性.
主要成果:
- 与原始的Mask R-CNN.相比,增强的算法在检测 (6.4%) 和细分 (12.3%) 的平均平均精度 (mAP) 中显著改善.
- 改进的算法的精度增加了2.2%,这表明在细分密集的真菌图像方面表现出色.
结论:
- 拟议的方法为精确细分真菌图像提供了更合适和更有效的工具,特别是对于亚洲大豆生等植物病原体.
- 这一进步支持大规模的表型查,加速发现新的杀菌剂和药物的研究.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
07:36Visualizing Early Infection Sites of Rice Blast Disease Magnaporthe oryzae on Barley Hordeum vulgare Using a Basic Microscope and a Smartphone
Published on: March 17, 2023
1.6K
