基于改进Mask R-CNN模型的秀珍菇表型参数自动测量方法(《智慧农业(中英文)》2023年第4期)

学术   2024-10-15 20:50   北京  


『点击免费订阅《智慧农业(中英文)》电子刊』


引用格式:周华茂, 王婧, 殷华, 陈琦. 基于改进Mask R-CNN模型的秀珍菇表型参数自动测量方法[J]. 智慧农业(中英文), 2023, 5(4): 117-126.

DOI:10.12133/j.smartag.SA202309024

ZHOU Huamao, WANG Jing, YIN Hua, CHEN Qi. Phenotype analysis of Pleurotus geesteranus based on improved Mask R-CNN[J]. Smart Agriculture, 2023, 5(4): 117-126.

DOI:10.12133/j.smartag.SA202309024

官网全文免费阅读

知网阅读


基于改进Mask R-CNN模型的秀珍菇表型参数自动测量方法


周华茂1, 王婧1, 殷华2, 陈琦2*

(1.江西农业大学 工学院,江西南昌330045,中国;2.江西农业大学 计算机与信息工程学院,江西南昌330045,中国)

摘要: 

[目的/意义]秀珍菇表型是其品质和栽培环境适应性的反映,但目前人工测量表型参数耗时费力、主观性强,亟需自动化分析手段。

[方法]一种基于改进Mask R-CNN的秀珍菇测量模型PG-Mask R-CNN(Pleurotus geesteranus-Mask Region-Based Convolutional Neural Network),提出以损伤率为指标的裂纹评价方法,并对其进行量化评价。PG-Mask R-CNN模型以Mask R-CNN为主体,通过向特征提取网络Resnet101中添加SimAM注意力机制,在不增加原始网络参数的情况下提高网络性能;采用改进的特征金字塔进行多尺度融合,融合多层级的信息进行预测;将GIoU(Generalized Intersection over Union)边界框回归损失函数替代原有的IoU(Intersection over Union)损失函数,完善图像重叠度的计算,进一步提高模型性能。

[结果和讨论]PG-Mask R-CNN模型目标检测的mAP和mAR分别为84.8%和87.7%,均高于目前主流的YOLACT(You Only Look At CoefficienTs)、InstaBoost、QueryInst和Mask R-CNN模型;实例分割结果的MRE(Mean Relative Error)为0.90%,均低于其他实例分割模型;PG-Mask R-CNN模型的参数量为51.75 M,略大于原始的Mask R-CNN,均小于其他实例分割模型。对分割后的菌盖和裂纹进行测量,所得结果的MRE分别为1.30%和7.54%,损伤率的MAE(Mean Absolute Error)为0.14%。

[结论]本研究提出的PG-Mask R-CNN模型对秀珍菇的菌柄、菌盖及裂纹识别与分割具有较高的准确率,在此基础上能够实现对秀珍菇表型参数的自动化测量,这为后续秀珍菇智慧化育种、智能栽培与分级奠定了技术基础。

关键词: 秀珍菇;Mask R-CNN;SimAM模块;Resnet101;表型分析;改进的特征金字塔

文章图片


图1 秀珍菇数据集标注样例

Fig. 1  Sample of Pleurotus geesteranus dataset label

图2 基于PG-Mask R-CNN的秀珍菇表型分析方法流程

Fig. 2  Phenotyping methodology process of Pleurotus geesteranus based on PG-Mask R-CNN

图3 PG-Mask R-CNN网络结构图

Fig. 3  Structure of PG-Mask R-CNN network

图4 DFPN网络结构

Fig. 4  Structure of DFPN network

图5 GIoU边界框损失函数原理图

Fig. 5  Schematic diagram of GIoU bounding box loss function

图6 秀珍菇在Grabcut和不同实例分割方法下的分割实验结果对比

Fig. 6  Comparison of the results of the segmentation experimental of Pleurotus geesteranus between Grabcut and other different instance segmentation methods

图7 利用PG-Mask R-CNN模型测量秀珍菇损伤率并与真值对比

Fig. 7  Damage rate comparison results of Pleurotus geesteranus between the measured values using PG-Mask R-CNN model and the true value

注:蓝色框代表检测到的裂缝;红色框代表错检或遗漏的裂缝。

图8 检测秀珍菇裂纹时出现的漏检和错检情况

Fig. 8  Missing detection and wrong detection when detecting Pleurotus geesteranus crack


通信作者简介

陈琦   副教授

    陈琦,副教授,自2003年来一直从事计算机应用、农产品电商等方面的教学和科学研究,作为江西省科技特派员、江西省共享师资,省农业厅和南昌农业科学院专家库成员,江西省数字乡村研究院专家组成员,年均为高素质农民、产业农民、“一村一大”授课近五十场,近年来主持横纵项课题5项,参与完成国家级和省级课题8项,发表EI、中文核心和一般期刊等各类论文15篇,其中,第一作者发表EI(A类)论文4篇;以第一作者或通讯作者发表北大中文核心论文5篇;主编教材2部,副主编教材3部。以第一作者获计算机软件著作权2项。



推荐阅读


崔运鹏研究员团队:基于人工智能大模型技术的果蔬农技知识智能问答系统(《智慧农业(中英文)》2023年第4期)


牛子杰副教授团队:冬季猕猴桃树单木骨架提取与冠层生长预测方法(《智慧农业(中英文)》2023年第4期)


许继平副教授团队:基于联邦学习的粮食供应链隐私数据要素协同计算研究(《智慧农业(中英文)》2023年第4期)


丁幼春教授团队:基于云-端高精度地图的油菜无人播种作业系统设计与试验(《智慧农业(中英文)》2023年第4期)





智慧农业微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流,促进智慧农业发展,为更好地服务广大读者、作者和审稿人,编辑部建立了微信交流服务群,有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法:加小编微信331760296备注:姓名、单位、研究方向,小编拉您进群,机构营销广告人员勿扰。

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。

智慧农业期刊
《智慧农业(中英文)》是国内外公开发行的农业科学类学术期刊。期刊聚焦农业信息技术发展前沿与热点,刊载和传播国内外最新研究成果,通过搭建高水平学术交流平台,引领学术研究方向,服务行业科学决策,培养高水平创新人才,促进学科发展。
 最新文章