斯温-Unet++:一项关于菜苗根的表型参数分析的研究
Hongda Li1,2, Yue Zhao1, Zeyang Bi1
1College of Information and Electrical Engineering, China Agricultural University, Beijing, 100083, China.
Plant methods
|March 3, 2025
概括
一个新的Swin-Unet++网络精确地对白菜根系统进行细分,达到98.19%的准确性. 这项技术有助于监测根生长,以提高作物产量和智能农业.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 菜根系统的健康对于作物产量至关重要.
- 精确监测根生长对于优化种植至关重要.
- 现有的方法与卷心菜根的细,网状结构作斗争.
研究的目的:
- 开发一个先进的网络架构,用于精确的白菜根系统细分.
- 为了改善精细粒度的根特征的提取.
- 为农业中自动化根分析提供技术基础.
主要方法:
- 提出了一个新的Swin-Unet++网络架构.
- 集成的旋转变压器模块和残余网络用于特征提取.
- 利用注意力机制和剩余连接来融合多层次的上下文信息.
主要成果:
- 在根系统细分方面,Swin-Unet++实现了98.19%的准确性,优于其他网络.
- 在使用轮分析定位根位置方面表现出卓越的性能.
- 精确提取的表型特征,如最大根长度 (R2=94.82%),延伸宽度 (R2=94.43%) 和厚度 (R2=86.45%).
结论:
- 在Swin-Unet++框架提供了一个新的技术,用于卷心菜根系监控.
- 这项技术支持智能农业自动化分析平台的开发.
- 通过更好地了解根部发育,使有效的种植实践成为可能.


