脱遮蔽模型和基于扩散的数据增强用于在植物上的东方西瓜的大小估计
Sungjay Kim1, Xianghui Xin1,2, Sang-Yeon Kim1,3
1Department of Biosystems Engineering, Seoul National University, Seoul, 08826, the Republic of Korea.
Plant phenomics (Washington, D.C.)
|December 19, 2025
概括
精确的果实大小估计东方瓜,即使有叶子封闭,是通过使用先进的AI模型实现的. 基于变压器的Amodal Mask2Former在去除封闭和大小估计方面表现出色,改善了作物管理和农业生产率.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物表型化 植物表型化
背景情况:
- 准确的果实大小估计对于精准农业和作物管理至关重要.
- 在垂直种植系统中,叶子封闭在估计水果大小方面是一个重大挑战.
研究的目的:
- 为了估计在植物上的东方瓜的尺寸,解决叶子封闭的挑战.
- 评估实例细分和去封闭模型的性能,以估计水果大小.
主要方法:
- 利用扩散模型通过生成合成封闭叶子来增强数据.
- 实施并比较了三种实例细分模型 (Mask R-CNN,Mask2Former,DETR) 和六种衍生的解封模型.
- 使用平均精度,平均绝对误差和平均绝对百分比误差评估模型性能.
主要成果:
- 阿莫达尔面膜2前和闭塞意识的RCNN (ORCNN) 实现了高平均精度得分 (85.92%和85.35%).
- 阿莫达尔Mask2Former在尺寸估计方面表现优异,平均绝对误差低 (5.46毫米高,4.20毫米直径).
- 基于变压器的模型在各种封闭比率 (0-70%) 中,在去封闭和大小估计任务中表现优于CNN架构.
结论:
- 与CNN相比,基于变压器的Amodal Mask2Former显示了与CNN相比,提高了水果脱和尺寸估计的能力.
- 开发的去遮模型显著提高了在存在遮的情况下果实大小估计的准确性.
- 产生超过70%封闭度的合成数据集仍然是当前解封模型的局限性.
更多相关视频
09:27Measuring the Shape and Size of Activated Sludge Particles Immobilized in Agar with an Open Source Software Pipeline
Published on: January 30, 2019
7.4K
11:38Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench
Published on: August 23, 2017
10.2K
