一种高精度的细分方法,用于树石细胞

科学领域:

• 植物生物学 植物生物学
• 生物技术是生物技术.
• 计算机视觉 计算机视觉 计算机视觉

背景情况:

• 树皮中的石细胞对于硬度和乳产量等特征至关重要.
• 目前用于石细胞分析的方法缓慢且不准确,阻碍了研究.
• 了解石细胞分布对于树种植和遗传研究至关重要.

研究的目的:

• 开发一种自动化,准确的方法来细分和量化树皮中的石细胞.
• 改进石细胞分布及其对树特征影响的分析.
• 克服传统细分网络在处理复杂的树皮图像特征方面的局限性.

主要方法:

• 提出了CGWO-LWNet,一个使用图像识别的自动细分网络.
• 引入了一个低级的KAN模块,用于增强功能融合和边缘细分.
• 设计了一个波束注意力机制 (Wave-SC) 来捕捉石细胞分布模式.
• 使用了一种新的灰狼受约束优化算法 (CGWO) 进行稳定的网络训练.
• 创建了1084个树石细胞图像的数据集,用于培训和验证.

主要成果:

• 在测试数据集中,CGWO-LWNet实现了69.1%的MIoU,81.7%的DSC和80.4%的回忆.
• 与其他算法相比,树树皮石细胞细分的精度高达97.8%.
• 该网络有效地处理石细胞的复杂边缘和区域分布模式.

结论:

• CGWO-LWNet提供了一种实用且强大的工具,用于在树皮中高精度石细胞细分.
• 允许大规模,准确的特征分析与乳产量,树皮完整性和应激弹性相关.
• 促进对石细胞发育及其对树生产力的影响进行进一步的遗传研究.