期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于实例分割技术的草莓叶龄及冠幅表型快速提取方法
被引量：
2
1
作者
樊江川
王源桥
+3 位作者
苟文博
蔡双泽
郭新宇
赵春江
《智慧农业（中英文）》
CSCD
2024年第2期95-106,共12页
[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 N...
[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。
展开更多
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
在线阅读
下载PDF
职称材料
基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型
被引量：
1
2
作者
刘长斌
李远鲲
+3 位作者
郭民坤
樊江川
郭新宇
卢宪菊
《大豆科学》
北大核心
2025年第1期11-21,共11页
大豆是重要的粮油兼用作物,是植物蛋白质的重要来源,为明确大豆种子结构特征并构建种子重量预测模型,以42个不同大豆品种为材料,利用Micro-CT技术扫描测试样本,通过CT图像的处理解析,获取大豆种子的长度、宽度、厚度、体积、表面积、种...
大豆是重要的粮油兼用作物,是植物蛋白质的重要来源,为明确大豆种子结构特征并构建种子重量预测模型,以42个不同大豆品种为材料,利用Micro-CT技术扫描测试样本,通过CT图像的处理解析,获取大豆种子的长度、宽度、厚度、体积、表面积、种胚体积、表面积及空腔体积特征,人工称重测定单粒重量指标。系统分析种子形态特征及其与重量的相关关系,并对不同品种进行聚类分析,通过对多项形态表型和重量指标进行主成分分析,确定主要贡献指标,基于机器学习算法构建重量预测模型。结果表明:种子形态特征与种子重量显著相关,但种子形状特征对重量无显著影响;42个大豆品种可以分为4类,其中第一类品种蒙豆375和蒙豆60的种子大小和重量指标均显著高于其他3类品种。利用随机森林模型和偏最小二乘回归方法构建的重量预测模型效果优于单一指标的简单线性回归效果。其中,随机森林回归模型训练集和测试集的R^(2)分别为0.80和0.66,RMSE分别为0.017和0.021 g,偏最小二乘回归模型训练集和测试集的R^(2)分别为0.75和0.72,RMSE分别为0.019和0.020 g。研究结果为大豆种子外部形态和内部结构的研究提供了新的技术和方法,为大豆品种分类、产量和品质性状的评价提供理论和技术参考。
展开更多
关键词
MICRO-CT
大豆
结构表型
重量预测
模型构建
机器学习
在线阅读
下载PDF
职称材料
题名
基于实例分割技术的草莓叶龄及冠幅表型快速提取方法
被引量：
2
1
作者
樊江川
王源桥
苟文博
蔡双泽
郭新宇
赵春江
机构
中国农业大学
信息
与电气工程
学院
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
西北
农林
科技大学
信息
工程
学院
北京
派得伟业科技发展有限公司
出处
《智慧农业（中英文）》
CSCD
2024年第2期95-106,共12页
基金
北京市科技新星计划(Z211100002121065)
北京市科技新星计划交叉合作课题(Z20220484202)
“十四五”国家重点研发计划项目(2022YFD2002302-02)。
文摘
[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
Keywords
mobile phenotype platform
instance segmentation
strawberry plant phenotype
leaf age
plant crown width
Mask RCNN
ResNeSt
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
S22 [农业科学—农业机械化工程]
在线阅读
下载PDF
职称材料
题名
基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型
被引量：
1
2
作者
刘长斌
李远鲲
郭民坤
樊江川
郭新宇
卢宪菊
机构
农芯科技(
北京
)有限责任公司
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
出处
《大豆科学》
北大核心
2025年第1期11-21,共11页
基金
国家重点研发计划(2023YFD2301803)
北京市农林科学院作物表型组学协同创新中心(KJCX20240406)。
文摘
大豆是重要的粮油兼用作物,是植物蛋白质的重要来源,为明确大豆种子结构特征并构建种子重量预测模型,以42个不同大豆品种为材料,利用Micro-CT技术扫描测试样本,通过CT图像的处理解析,获取大豆种子的长度、宽度、厚度、体积、表面积、种胚体积、表面积及空腔体积特征,人工称重测定单粒重量指标。系统分析种子形态特征及其与重量的相关关系,并对不同品种进行聚类分析,通过对多项形态表型和重量指标进行主成分分析,确定主要贡献指标,基于机器学习算法构建重量预测模型。结果表明:种子形态特征与种子重量显著相关,但种子形状特征对重量无显著影响;42个大豆品种可以分为4类,其中第一类品种蒙豆375和蒙豆60的种子大小和重量指标均显著高于其他3类品种。利用随机森林模型和偏最小二乘回归方法构建的重量预测模型效果优于单一指标的简单线性回归效果。其中,随机森林回归模型训练集和测试集的R^(2)分别为0.80和0.66,RMSE分别为0.017和0.021 g,偏最小二乘回归模型训练集和测试集的R^(2)分别为0.75和0.72,RMSE分别为0.019和0.020 g。研究结果为大豆种子外部形态和内部结构的研究提供了新的技术和方法,为大豆品种分类、产量和品质性状的评价提供理论和技术参考。
关键词
MICRO-CT
大豆
结构表型
重量预测
模型构建
机器学习
Keywords
Micro-CT
soybean
structure phenotype
seed weight prediction
modeling
machine learning
分类号
S565.1 [农业科学—作物学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
王源桥
苟文博
蔡双泽
郭新宇
赵春江
《智慧农业（中英文）》
CSCD
2024
2
在线阅读
下载PDF
职称材料
2
基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型
刘长斌
李远鲲
郭民坤
樊江川
郭新宇
卢宪菊
《大豆科学》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
