相关实验视频
Updated: Jun 15, 2026

04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
719
基于PointNeXt和Quickshift+的自动3D植物器官实例细分方法
Sifan Dong1, Xueyan Fan1, Xiuhua Li1,2
1State Key Laboratory for Conservation and Utilization of Subtropical Agro-bioresources, School of Electrical Engineering, Guangxi University, Nanning 530004, China.
Plant phenomics (Washington, D.C.)
|December 19, 2025
概括
使用PointNeXt和Quickshift++的新两阶段方法实现了对各种植物类型的精确器官实例细分,推进了植物表型研究.
科学领域:
- 计算机视觉 计算机视觉
- 植物科学 植物科学
- 农业技术 农业技术
背景情况:
- 对3D植物点云的精确器官实例细分对于植物表型化至关重要.
- 现有的方法往往缺乏跨不同作物类型 (单形与双形) 的概括性.
研究的目的:
- 为单一植物器官实例细分开发一个通用的两阶段方法.
- 为了提高植物器官在不同物种的细分的准确性和适用性.
主要方法:
- 一种两阶段的方法,结合了改进的PointNeXt用于语义细分 (茎,叶) 和Quickshift++用于例如细分.
- 培训和验证各种数据集,包括甘,玉米和西红点云.
主要成果:
- 实现了高的语义细分精度 (最多96.96%,最多87.15%).
- 在实例细分方面表现优于最先进的方法 (mPrec 93.32%,mRec 85.60%,mF1 87.94%,mIoU 81.46%).
- 在不同植物物种和早期生长阶段表现出强烈的泛化.
结论:
- 拟议的方法为3D植物点云中的器官实例细分提供了更高的概括性.
- 这种方法提供了一个强大的工具,可以在各种作物中推进植物表型研究.

