基于图像识别的叶片排列估计
Tomoya Nakatani1, Yuzuko Utsumi1, Koichi Fujimoto2
1Graduate School of Informatics, Osaka Metropolitan University, Sakai, Japan.
Frontiers in plant science
|April 19, 2024
概括
本研究介绍了一种图像识别方法,用于识别花的排列,这对于了解花发育至关重要. 该系统使用有限数据的AI,使植物学研究的应用更广泛.
科学领域:
- 植物学和植物科学 植物学和植物科学
- 计算机视觉和图像识别技术
- 发展生物学 发展生物学
背景情况:
- 花的排列是花发育的关键指标,但很难识别.
- 现有的图像识别方法需要大量的数据集,这些数据集无法用于花研究.
- 需要自动化花排列分析,以实现专家以外的更广泛的可访问性.
研究的目的:
- 开发一种图像识别方法,用于估计花器官排列 (花和花).
- 为了克服机器学习植物学应用中的有限图像数据集的挑战.
- 提供一个工具,以支持发育研究的花安排的识别.
主要方法:
- 使用了微调的YOLO v5模型来检测花朵,并使用GrubCut进行细分.
- 采用哈里斯角探测器进行重叠检测和MAML进行内外模式估计.
- 应用了循环排列匹配用于排列估计,加上用于手动校正的用户界面.
主要成果:
- 单个组件 (检测,细分,重叠,模式估计) 显示出高准确度.
- 集成系统的准确性下降,突出结合多个图像处理步骤的复杂性.
- 手动校正接口显著改善了最终的tepal排列估计质量.
结论:
- 拟议的方法提供了一种可行的方法,以有限的数据来估计花器官排列.
- 整合挑战需要用户指导的校正,以进行强大而准确的植物图像分析.
- 这种技术可以帮助研究花形态和发育过程.
