-
题名基于RGB与深度图像融合的生菜表型特征估算方法
被引量：1
- 1
-
-
作者
陆声链
李沂杨
李帼
贾小泽
鞠青青
钱婷婷
-
机构
广西师范大学计算机科学与工程学院
广西多源信息挖掘与安全重点实验室
上海市农业科学院农业科技信息研究所
上海数字农业工程技术研究中心
-
出处
《农业机械学报》
北大核心
2025年第1期84-91,101,共9页
-
基金
国家自然科学基金项目(61762013)
上海市农业科技创新项目(2023-02-08-00-12-F04621)
农业农村部长三角智慧农业技术重点实验室开放课题(KSAT-YRD2023011)。
-
文摘
采用自动化手段对植物生长过程中的表型特征进行精准测量对于育种和栽培等应用具有重要意义。本文围绕工厂化生菜种植中的表型特征无损精准检测需求,通过融合深度相机采集的RGB图像和深度图像,利用改进的DeepLabv3+模型进行图像分割,并通过双模态回归网络对生菜表型特征进行估算。本文改进的分割模型的骨干网络由Xception替换为MobileViTv2,以增强其全局感知能力和性能;在回归网络中,提出了卷积双模态特征融合模块CMMCM,用于估算生菜的表型特征。在包含4个生菜品种的公开数据集上的实验结果表明,本文方法可对鲜质量、干质量、冠幅、叶面积和株高共5种生菜表型特征进行估算,决定系数分别达到0.9222、0.9314、0.8620、0.9359和0.8875。相较于未添加CMMCM和SE模块的RGB和深度图的表型参数估计基准ResNet-10(双模态),本文改进的模型决定系数分别提高2.54%、2.54%、1.48%、2.99%和4.88%,单幅图像检测耗时为44.8 ms,说明该方法对于双模态图像融合的生菜表型特征无损提取具有较高的准确性和实时性。
-
关键词
生菜
表型估算
模态融合
分割模型
RGB图像
深度图像
-
Keywords
lettuce
phenotypic estimation
modality fusion
segmentation model
RGB images
depth images
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
