引用格式
引用格式：樊江川, 王源桥, 苟文博, 蔡双泽, 郭新宇, 赵春江. 基于实例分割技术的草莓叶龄及冠幅表型快速提取方法[J]. 智慧农业(中英文), 2024, 6(2): 95-106.
DOI：10.12133/j.smartag.SA202310014
Citation:FAN Jiangchuan, WANG Yuanqiao, GOU Wenbo, CAI Shuangze, GUO Xinyu, ZHAO Chunjiang. Fast Extracting Method for Strawberry Leaf Age and Canopy Width Based on Instance Segmentation Technology[J]. Smart Agriculture, 2024, 6(2): 95-106.
DOI：10.12133/j.smartag.SA202310014
官网全文免费阅读
知网阅读
基于实例分割技术的草莓叶龄及冠幅表型快速提取方法
樊江川1，2，4， 王源桥2，3， 苟文博2，4， 蔡双泽2， 郭新宇2*， 赵春江2*
（1.中国农业大学 信息与电气工程学院，北京 100083，中国；2.国家农业信息化工程技术研究中心/北京市农林科学院信息技术研究中心/数字植物北京市重点实验室，北京 100097，中国；3.西北农林科技大学 信息工程学院，陕西杨陵 712100，中国；4.北京派得伟业科技发展有限公司，北京 100097，中国）
摘要：
［目的/意义］为解决高通量草莓叶龄及冠幅提取问题，提出一种基于移动式表型平台和实例分割技术的高通量表型提取方法。［方法］利用小型移动式表型平台对温室内盆栽草莓植株的俯拍图像进行数据获取，并利用改进型Mask R-CNN（Convolutional Neural Network）模型对图像进行处理，以此获取草莓植株叶龄信息。首先利用带有分组注意力模块的Split-Attention Networks（ResNeSt）骨干网络替换原有网络，从而提高图像特征信息提取精度和执行效率。在训练时，利用Mosaic方法对草莓图像进行数据增强，并且使用二元交叉熵损失函数对原本的交叉熵分类损失函数进行优化，以达到更好的植株与叶片的检测准确度。在此基础上，对训练结果进行后处理，利用标定比值对冠幅进行计算。
［结果和讨论］该方法能够在ResNeSt-101骨干网络下，实现80.1%的掩膜准确率和89.6%的检测框准确率，并且能够以99.3%的植株检测正确率和98.0%的叶片数量检出率实现高通量的草莓叶龄估算工作。而模型推理后草莓植株南北和东西向冠幅测试值与真实值相比误差均低于5%的约占98.1%。［结论］该方法有着较高的鲁棒性，能够为智慧农业下高通量植物表型获取与解析工作提供技术支持。
关键词： 移动式表型平台；实例分割；草莓表型；叶龄统计；冠幅；Mask R-CNN；ResNeSt
1
文章图片
图1 移动式表型平台结构及实验运行状态
Fig. 1 Mobile phenotype platform structure and experimental operation status
图2 草莓叶龄标注、分类及验证统计情况图例
Fig. 2 Legend of strawberry leaf age labeling， classification， and validation statistics
图3 数据预处理方式与Mosaic数据扩增
Fig. 3 Data pre-processing methods and Mosaic
data amplification
图4 改进型Mask R-CNN模型结构示意图
Fig. 4 Schematic diagram of our Mask R-CNN model structure
图5 RoI Align利用浮点数处理特征向量边缘
Fig. 5 RoI Align utilizes floating-point numbers to process feature vector edges
图6 草莓图像处理研究中植株与叶片实例分割与表型参数统计结果展示
Fig. 6 Display of plant and leaf instance segmentation and phenotypic parameter statistics in strawberry image processing research
图7 草莓图像处理实验中改进型Mask R-CNN模型与原始模型准确率和训练损失率曲线对比
Fig. 7 Comparison of accuracy and training loss curves between the improved Mask R-CNN model and the original model in strawberry image processing experiments
图8 草莓叶龄统计实验中未能检测出的叶片原因分析
Fig. 8 Analysis of the reasons for undetectable blades
in the strawberry leaf age statistical experiment
图9 草莓图像处理研究中不同模型结果对比图
Fig. 9 Comparison of results of different models in strawberry image processing research
赵春江 院士
郭新宇 研究员
樊江川 副研究员
樊江川，博士，北京市农林科学院信息技术研究中心副研究员，担任IETI智慧农业专委会委员、国家智能农业机器人科技创新联盟咨询专家以及 《Plant Phenomics》青年编委等社会兼职。主要从事植物表型大数据获取解析技术研究及表型装备研发等工作，在作物表型信息智能解析、多传感器集成、多源数据融合等方面具有丰富的研究和开发经验。近年来，主持省部级以上课题5项、院级课题2项；入选2021年北京市科技新星计划，获得日内瓦国际发明展银奖1项、神农中华农业科技奖二等奖1项、安徽省科技进步奖三等奖1项；发表论文39篇，其中以一作在Research (IF: 11) 、JCLP (IF: 11.072)等期刊发表SCI论文11篇；参编《玉米数字化可视化技术》学术专著1部；获软件著作权19项；授权国家发明专利19项，实用新型专利29项；主持研发了高通量三维激光扫描成像表型测量系统、轨道式植物表型高通量获取平台、植物表型检测机器人、自走式无人车表型平台等系列表型软硬件产品，表型设备在全国累计推广销售40余套，合同额超过2000万元。
来源：《智慧农业（中英文）》2024年第2期
转载请联系编辑部授权
推荐阅读
张京博士团队：基于Bi-GRU和空-谱信息融合的油菜菌核病侵染区域高光谱图像分割方法（《智慧农业（中英文）》2024年第2期）
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
