基于CPHNet的南瓜播种点云干的精确细分算法
Qiaomei Deng1, Junhong Zhao2, Rui Li1
1College of Computer & Mathematics, Central South University of Forestry and Technology, Changsha 410004, China.
Plants (Basel, Switzerland)
|August 29, 2024
概括
CPHNet准确地从3D点云中对南瓜苗木进行细分,克服了土壤干扰和模糊边界等挑战. 这种方法通过提供可靠的植物生长数据,提高了现代南瓜种植的精度.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 植物科学 植物科学
背景情况:
- 精确的苗茎细分对于现代栽培和生长监测至关重要.
- 现有的点云数据由于土壤干扰,多样化的茎形态和模糊的边界而带来了挑战.
研究的目的:
- 为南瓜苗木点云茎开发一个准确的细分算法.
- 解决背景噪音和茎形状的变化,以改善数据分析.
主要方法:
- 一个新的CPHNet算法结合了道残留注意力多层感知器 (CRA-MLP) 来抑制背景噪声.
- 一个位置增强的自我注意力 (PESA) 机制,以适应不同的干形态.
- 一个混合损失函数 (HCE-Dice Loss) 来改进模糊的茎边界.
主要成果:
- CPHNet实现了高性能指标:90.4% mIoU,93.1% mP,95.6% mR,和94.4% mF1.
- 与其他细分模型相比,该算法表现出卓越的准确性和稳定性.
- 处理速度记录在0.03植物/秒.
结论:
- CPHNet有效地从点云数据中对南瓜苗木进行细分,提高了准确性和稳定性.
- 拟议的方法为3D植物分析的挑战提供了可靠的解决方案.
- 这一进步支持现代农业实践的精确数据采集.


