果GAN:基于生成对抗网络的果稀疏视图X射线CT重建

科学领域:

• 农业工程 农业工程
• 计算机视觉 计算机视觉
• 生物技术是生物技术.

背景情况:

• 准确的3D表型是开发新水果品种的关键.
• 手动表型化方法是低效的,耗时的,容易出现错误.
• 对于水果育种,需要高通量,精确和具有成本效益的解决方案.

研究的目的:

• 开发一种基于生成对抗网络 (GAN) 的方法,用于从稀疏视图X射线图像中重建3D类CT模型.
• 为了实现类果的高通量和精确的3D表型.
• 为了减少与传统表型化相关的成本和时间.

主要方法:

• 使用生成对抗网络 (CitrusGAN) 来进行3D模型重建.
• 采用了以直角对排列的稀疏视图X射线图像作为输入.
• 开发了定制的损失函数,以增强2DX射线特征的学习到3DCT体积映射.

主要成果:

• 仅使用6个X射线视图实现了高质量的3D类CT体积重建.
• 与真实CT模型相比,获得了92.1%的结构相似度指数和26.374dB的峰值信号噪声比.
• 证明了表型特征的精确测量,如水果尺寸,体积,表面积,皮厚和细分数.

结论:

• CitrusGAN有效地从稀疏的X射线数据中重建3D果模型,从而实现精确的表型.
• 该方法提供了一种高吞吐量,低成本的替代手工表型化.
• 潜在的应用包括集成到水果生产线或开发便携式设备用于现场表型化.