RM新时代网站-首页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

改進(jìn)棉花根系圖像分割方法

juying ? 來源:juying ? 作者:juying ? 2024-01-18 16:18 ? 次閱讀

棉花是錦葵科棉屬植物,棉花生產(chǎn)的纖維是我國(guó)各類衣服、家具布和工業(yè)用布的材料,目前我國(guó)的棉花產(chǎn)量也非常高,主要以新疆地區(qū)為主。根系是植物組成的重要部分,其生長(zhǎng)發(fā)育至關(guān)重要。

根系圖像分割是根系表型分析的重要方法,受限于圖像質(zhì)量、復(fù)雜土壤環(huán)境、低效傳統(tǒng)方法,根系圖像分割存在一定挑戰(zhàn)。河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院、河北省教育考試院、河北農(nóng)業(yè)大學(xué)農(nóng)學(xué)院組成王楠科研團(tuán)隊(duì),為提高根系圖像分割的準(zhǔn)確性和魯棒性,該研究以UNet模型為基礎(chǔ),提出了一種多尺度特征提取根系分割算法,并結(jié)合數(shù)據(jù)增強(qiáng)和遷移學(xué)習(xí)進(jìn)一步提高改進(jìn)UNet模型的泛化性和通用性。

該算法首先獲取棉花根系單一數(shù)據(jù)集和開源多作物混合數(shù)據(jù)集,基于單一數(shù)據(jù)集的消融試驗(yàn)測(cè)試多尺度特征提取模塊的有效性,與UNet、PSPNet、SegNet、DeeplabV3Plus算法對(duì)比驗(yàn)證其優(yōu)勢(shì)?;诨旌蠑?shù)據(jù)集驗(yàn)證改進(jìn)算法在遷移學(xué)習(xí)的優(yōu)勢(shì)。

UNet+Conv_2+Add相比其他算法,mIoU、mRecall和根系F1調(diào)和平均值分別為81.62%、86.90%和78.39%。UNet+Conv_2+Add算法的遷移學(xué)習(xí)相比于普通訓(xùn)練在根系的交并比值提升1.25%,根系的Recall值提升1.79%,F(xiàn)1調(diào)和平均數(shù)提升0.92%,且模型的整體收斂速度快。

該研究采用的多尺度特征提取策略能準(zhǔn)確、高效地分割根系,為作物根系表型研究提供重要的研究基礎(chǔ)。

棉花高產(chǎn)增收要點(diǎn):

選擇合適的品種。高產(chǎn)棉花品種是實(shí)現(xiàn)高產(chǎn)增收的關(guān)鍵。目前市場(chǎng)上有許多不同的棉花品種,這些品種的生長(zhǎng)周期、適應(yīng)環(huán)境、抗病性等方面都有所不同。因此,在選擇種子時(shí)要根據(jù)當(dāng)?shù)氐臍夂蚝屯寥罈l件,選擇適合自己的品種,盡量選擇高產(chǎn)、抗病、抗旱的優(yōu)良品種。

科學(xué)施肥。棉花對(duì)于肥料的需求非常大,而且肥料的種類和用量也要根據(jù)不同的品種和生長(zhǎng)期進(jìn)行變化。在施肥過程中,應(yīng)該根據(jù)土壤的肥力情況和作物的需要,選擇合適的肥料種類和用量。同時(shí),還要注意把握好施肥的時(shí)間,避免在生長(zhǎng)旺季過度施肥,從而影響棉花的品質(zhì)和產(chǎn)量。

合理管理病蟲害。棉花生長(zhǎng)過程中容易受到各種病蟲害的侵襲,這些病蟲害會(huì)嚴(yán)重影響棉花的產(chǎn)量和品質(zhì)。因此,在種植棉花時(shí),要采取科學(xué)、有效的病蟲害防治措施,及時(shí)發(fā)現(xiàn)和防治病蟲害,避免病蟲害的擴(kuò)散和蔓延。

科學(xué)澆水。棉花生長(zhǎng)需要適宜的水分,但過多或過少的水都會(huì)影響棉花的產(chǎn)量和品質(zhì)。在澆水時(shí)要根據(jù)土壤的含水量和天氣情況進(jìn)行科學(xué)澆水,避免浪費(fèi)水資源和過度澆水造成的病害。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 圖像分割
    +關(guān)注

    關(guān)注

    4

    文章

    182

    瀏覽量

    17995
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5500

    瀏覽量

    121111
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    語(yǔ)義分割25種損失函數(shù)綜述和展望

    本綜述提供了對(duì)25種用于圖像分割的損失函數(shù)的全面且統(tǒng)一的回顧。我們提供了一種新穎的分類法,并詳細(xì)審查了這些損失函數(shù)如何在圖像分割中被定制和利用,強(qiáng)調(diào)了它們的重要特征和應(yīng)用,并進(jìn)行了系統(tǒng)
    的頭像 發(fā)表于 10-22 08:04 ?469次閱讀
    語(yǔ)義<b class='flag-5'>分割</b>25種損失函數(shù)綜述和展望

    畫面分割器怎么連接

    器的基本原理 畫面分割器的工作原理是通過數(shù)字信號(hào)處理技術(shù),將多個(gè)視頻信號(hào)源(如攝像頭、DVR等)的圖像數(shù)據(jù)進(jìn)行處理,然后在一個(gè)監(jiān)視器上以分割的形式顯示出來。這些分割可以是1畫面、4畫面
    的頭像 發(fā)表于 10-17 09:29 ?297次閱讀

    圖像語(yǔ)義分割的實(shí)用性是什么

    圖像語(yǔ)義分割是一種重要的計(jì)算機(jī)視覺任務(wù),它旨在將圖像中的每個(gè)像素分配到相應(yīng)的語(yǔ)義類別中。這項(xiàng)技術(shù)在許多領(lǐng)域都有廣泛的應(yīng)用,如自動(dòng)駕駛、醫(yī)學(xué)圖像分析、機(jī)器人導(dǎo)航等。 一、
    的頭像 發(fā)表于 07-17 09:56 ?415次閱讀

    圖像分割和語(yǔ)義分割的區(qū)別與聯(lián)系

    圖像分割和語(yǔ)義分割是計(jì)算機(jī)視覺領(lǐng)域中兩個(gè)重要的概念,它們?cè)?b class='flag-5'>圖像處理和分析中發(fā)揮著關(guān)鍵作用。 1. 圖像
    的頭像 發(fā)表于 07-17 09:55 ?906次閱讀

    圖像分割與目標(biāo)檢測(cè)的區(qū)別是什么

    圖像分割與目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的兩個(gè)重要任務(wù),它們?cè)谠S多應(yīng)用場(chǎng)景中都發(fā)揮著關(guān)鍵作用。然而,盡管它們?cè)谀承┓矫嬗邢嗨浦?,但它們的目?biāo)、方法和應(yīng)用場(chǎng)景有很大的不同。本文將介紹圖像
    的頭像 發(fā)表于 07-17 09:53 ?1275次閱讀

    圖像識(shí)別算法都有哪些方法

    圖像識(shí)別算法是計(jì)算機(jī)視覺領(lǐng)域的核心任務(wù)之一,它涉及到從圖像中提取特征并進(jìn)行分類、識(shí)別和分析的過程。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,圖像識(shí)別算法已經(jīng)取得了顯著的進(jìn)展。本文將介紹圖像識(shí)別算法的
    的頭像 發(fā)表于 07-16 11:14 ?5504次閱讀

    機(jī)器學(xué)習(xí)中的數(shù)據(jù)分割方法

    在機(jī)器學(xué)習(xí)中,數(shù)據(jù)分割是一項(xiàng)至關(guān)重要的任務(wù),它直接影響到模型的訓(xùn)練效果、泛化能力以及最終的性能評(píng)估。本文將從多個(gè)方面詳細(xì)探討機(jī)器學(xué)習(xí)中數(shù)據(jù)分割方法,包括常見的分割
    的頭像 發(fā)表于 07-10 16:10 ?1695次閱讀

    圖像分割與語(yǔ)義分割中的CNN模型綜述

    圖像分割與語(yǔ)義分割是計(jì)算機(jī)視覺領(lǐng)域的重要任務(wù),旨在將圖像劃分為多個(gè)具有特定語(yǔ)義含義的區(qū)域或?qū)ο?。卷積神經(jīng)網(wǎng)絡(luò)(CNN)作為深度學(xué)習(xí)的一種核心模型,在
    的頭像 發(fā)表于 07-09 11:51 ?827次閱讀

    機(jī)器人視覺技術(shù)中常見的圖像分割方法

    機(jī)器人視覺技術(shù)中的圖像分割方法是一個(gè)廣泛且深入的研究領(lǐng)域。圖像分割是將圖像劃分為多個(gè)區(qū)域或?qū)ο蟮?/div>
    的頭像 發(fā)表于 07-09 09:31 ?655次閱讀

    機(jī)器人視覺技術(shù)中圖像分割方法有哪些

    和分析。本文將詳細(xì)介紹圖像分割的各種方法,包括傳統(tǒng)的圖像處理方法和基于深度學(xué)習(xí)的方法。 閾值
    的頭像 發(fā)表于 07-04 11:34 ?933次閱讀

    常見的醫(yī)學(xué)圖像讀取方式和預(yù)處理方法

    基于深度學(xué)習(xí)做醫(yī)學(xué)圖像數(shù)據(jù)分析,例如病灶檢測(cè)、腫瘤或者器官分割等任務(wù),第一步就是要對(duì)數(shù)據(jù)有一個(gè)大概的認(rèn)識(shí)。但是我剛剛?cè)腴T醫(yī)學(xué)圖像分割的時(shí)候,很迷茫不知道自己該干啥,不知道需要準(zhǔn)備哪些知
    發(fā)表于 04-19 11:43 ?829次閱讀
    常見的醫(yī)學(xué)<b class='flag-5'>圖像</b>讀取方式和預(yù)處理<b class='flag-5'>方法</b>

    OpenCV兩種不同方法實(shí)現(xiàn)粘連大米分割計(jì)數(shù)

    測(cè)試圖如下,圖中有個(gè)別米粒相互粘連,本文主要演示如何使用OpenCV用兩種不同方法將其分割并計(jì)數(shù)。
    的頭像 發(fā)表于 01-22 14:55 ?1716次閱讀
    OpenCV兩種不同<b class='flag-5'>方法</b>實(shí)現(xiàn)粘連大米<b class='flag-5'>分割</b>計(jì)數(shù)

    機(jī)器視覺的圖像目標(biāo)識(shí)別方法操作要點(diǎn)

    通過加強(qiáng)圖像分割,能夠提高機(jī)器視覺的圖像目標(biāo)識(shí)別的自動(dòng)化水平,使得圖像目標(biāo)識(shí)別效果更加顯著。圖像分割
    發(fā)表于 01-15 12:17 ?432次閱讀

    SegRefiner:通過擴(kuò)散模型實(shí)現(xiàn)高精度圖像分割

    一類常見的 Refinement 方法是 Model-Specific 的,其通過在已有分割模型中引入一些新模塊,從而為預(yù)測(cè) Mask 補(bǔ)充了更多額外信息,從而增強(qiáng)了已有模型對(duì)于細(xì)節(jié)的感知能力。
    的頭像 發(fā)表于 12-28 11:24 ?1537次閱讀
    SegRefiner:通過擴(kuò)散模型實(shí)現(xiàn)高精度<b class='flag-5'>圖像</b><b class='flag-5'>分割</b>

    【愛芯派 Pro 開發(fā)板試用體驗(yàn)】+ 圖像分割和填充的Demo測(cè)試

    測(cè)試的程序是官方提供的交互式圖像分割和修復(fù)(Segment and Inpaint Anything)。所謂交互式圖像分割和修復(fù),就是軟件提供了一個(gè)基于QT6的GUI交互界面,實(shí)現(xiàn)了交
    發(fā)表于 12-26 11:22
    RM新时代网站-首页