扩大现象学见解:自动化现象阶段注释与社区科学植物图像
Negin Katal1,2, Michael Rzanny3, Patrick Mäder4,5,6
1Department Biogeochemical Integration, Max Planck Institute for Biogeochemistry, Hans-Knöll-Str.10, 07745, Jena, Thuringia, Germany. nkatal@bgc-jena.mpg.de.
International journal of biometeorology
|July 4, 2025
概括
自动机器学习从图像中准确地分类植物现象阶段,使大规模的生态研究成为可能. 这种方法提供可靠,细粒度的数据,以了解植物与环境的相互作用.
科学领域:
- 生态生态学 生态生态学
- 计算机科学 计算机科学
背景情况:
- 植物现象学对于理解植物与环境的相互作用至关重要.
- 由于手动注释工作,大规模的现象学数据收集具有挑战性.
- 植物识别应用程序产生了庞大的图像数据集,有可能产生现象学见解.
研究的目的:
- 开发和评估用于自动化植物现象学阶段分类的机器学习工作流.
- 评估自动注释图像数据的可靠性和现象学相关性.
主要方法:
- 训练了一种机器学习模型,将图像分为五个现象阶段:开花的芽,花,未成熟的水果,成熟的水果和衰老.
- 该模型应用于9种常见木质物种的图像.
- 自动注释与德国气象局 (DWD) 的系统数据进行了比较,以获得空间和时间一致性.
主要成果:
- 自动分类在所有物种和现象阶段实现了96%的整体准确性.
- 在自动注释数据和DWD数据之间观察到强烈的空间和时间一致性,特别是在开花阶段.
- 年间的现象学趋势在两个数据集之间一致.
结论:
- 机器学习提供了一种高度可靠的方法,用于在最小的手动标签下自动注释植物现象阶段.
- 来自公民科学平台的自动注释图像数据可以提供有价值的,大规模的现象学信息.
- 这种方法促进了对植物现象学的高效和准确的生态研究.
相关概念视频
02:16Light Acquisition
8.6K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
8.6K
02:45Biological Clocks and Seasonal Responses
38.8K
The circadian—or biological—clock is an intrinsic, timekeeping, molecular mechanism that allows plants to coordinate physiological activities over 24-hour cycles called circadian rhythms. Photoperiodism is a collective term for the biological responses of plants to variations in the relative lengths of dark and light periods. The period of light-exposure is called the photoperiod.
38.8K