Plant Phenomics | 浙江大學黃敬峰教授課題組提出了一種基於地面遙感延時圖像的咖啡花識別方法

2021-02-19 植物表型組學

咖啡是全球三大主要飲料之一，具有重要的經濟價值。咖啡花的早期監測在開花調節，灌溉，產量預測和其他作物管理任務中至關重要。因此，準確識別咖啡花是更好地管理這些任務的關鍵。然而，常用的遙感平臺由於其較低的時空解析度並不能實現對咖啡花這一類小目標作物的精準監測。2020年10月，Plant Phenomics刊發了浙江大學遙感與信息技術應用研究所題為Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images的研究論文，本文介紹了一種基於地面遙感延時圖像的咖啡花識別方法。為了實現種植園區中咖啡花的精準監測，本文採用基於地面遙感的高時空解析度延時圖像，並將二值化算法和卷積神經網絡相結合，進而提取出圖像中所包含的咖啡花信息。

Figure1: The five flowering events. (a–e) represent the images acquired on March 7th,March 25th, April 11th, April 27th, and May 25th,2017, respectively.

通過目視解譯，可以發現白色的咖啡花和周圍背景存在比較明顯的色差，這意味著可以找到最佳的顏色閾值，以實現咖啡花的粗提取。基於色差特徵，利用OTSU算法提取原始圖像中的咖啡花信息，可以發現咖啡花和背景的邊界得到了較好地區分。但是，由於二者邊界以外的部分背景噪聲所對應的像素值與咖啡花相似，造成了咖啡花的過識別。而該現象可以利用二者的空間特徵差異進行抑制。所以，為了實現咖啡花的精準監測，本文創新性地將二值化和Path-basedCNN相結合（即所提方法：Bin+CNN）：首先，基於訓練好的CNN模型，使用滑動窗口對整個圖像進行預測，以實現對咖啡花和背景信息的初始識別，並保存該識別結果；然後，基於OTSU算法，計算出原始灰度圖像中咖啡花和背景之間的最佳閾值，從而可以有效地將咖啡花的邊界輪廓與背景分離；最後，以CNN模型的背景識別結果為基礎，對二值化結果的相應位置進行更新，以抑制二值化結果中背景信息被誤識別為咖啡花的現象，並將更新後的二值化結果作為最終的咖啡花識別結果。

Figure2: Binarization processing.(a) Original image. (b) Results of the binarization.

基於不同拍攝俯角以及不同光照條件下的圖像，將所提方法（Bin+CNN）和CNN以及基於超像素的SVM分類器進行對比分析，實驗結果表明Bin+CNN具有更好的咖啡花識別性能。基於Bin+CNN方法，在柔光條件下，拍攝俯角為52.5°圖像的咖啡花識別精度最高，對應的F1和IoU分別可以達到0.80和0.67。

Figure 3: Theidentification result of the image with depression angles of 52.5° under softlighting conditions using Bin+CNN model. (a)~(c) are the original images,ground truth maps, and the identification results of the Bin+CNN, respectively.

浙江大學遙感與信息技術應用研究所尉鵬亮博士生為第一作者，浙江大學遙感與信息技術應用研究所黃敬峰教授為通訊作者。該研究得到國家自然科學基金資助(41471277)，使用的數據來自於江蘇省無線電科學研究所有限公司。

Evaluating and Mapping Grape Color Using Image-Based Phenotyping

https://spj.sciencemag.org/journals/plantphenomics/2020/8086309/

Plant Phenomics | 使用基於圖像的表型分析法評估和映射葡萄顏色

Convolutional Neural Networks for Image-Based High-Throughput Plant Phenotyping: A Review

https://spj.sciencemag.org/journals/plantphenomics/2020/4152816/

Plant Phenomics 綜述 | 卷積神經網絡用於基於圖像的高通量植物表型綜述


《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，於2019年1月正式上線發行，是Science合作出版的第二本期刊。採用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體範圍涵蓋高通量表型分析的最新技術，基於圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被CABI、CNKI和DOAJ資料庫收錄。

點擊「在看」，助力傳播 

相關焦點

  • 一種基於地面遙感延時圖像的咖啡花識別方法
    」Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images「的研究論文，本文介紹了一種基於地面遙感延時圖像的咖啡花識別方法，植物表型資訊介紹如下。
  • Plant Phenomics | 高通量表型分析滯綠相關的高粱動態冠層性狀
    在高粱育種過程中，傳統方法是通過目視對比葉片的衰老程度（通過找出最終衰老的葉片或估計葉片衰老的速率）來評估是否表達了滯綠。本文中，作者將兩個高粱育種試驗中遙感獲得的冠層動態測量結果與從多環境育種試驗中目視判斷衰老等級所獲得的滯綠值進行比較(Fig.4)，從而確定冠層發育中與滯綠表型最相關的部分性狀。
  • 【材料】浙江大學唐睿康教授課題組Adv. Mater.綜述:生物礦化,從材料方法到生物策略
    近日，浙江大學的唐睿康教授課題組在Advanced Materials上發表的綜述總結了生物礦化領域近年來的研究進展，並提出了生物礦化研究的轉型。唐睿康課題組則在2008年成功實現了對酵母細胞的礦化改造，提出借鑑生物礦化策略可以通過材料外殼賦予更多生物物種的新功能。例如，疫苗的保存高度依賴於冷鏈，該課題組通過仿生礦化構建新型疫苗—磷酸鈣複合體，在保持原有功效不變的基礎上大幅度增強了疫苗的熱穩定性，初步實現了不依賴冰箱的熱穩定疫苗構建。仿生礦化不僅可以通過材料增強生物體的結構穩定性，而且還能改變生物體原有的功能。
  • 武漢大學CVEO小組:一種基於卷積神經網絡的高解析度遙感影像分類方法
    基於對象的圖像分類（OBIC）已經成為超高解析度遙感影像土地利用的主流框架。OBIC可以利用高解析度遙感影像中的紋理、空間幾何信息，與基於像素的圖像分類（PBIC）框架相比，在一定程度上克服了「椒鹽」現象。 　　OBIC框架通常包括圖像預處理，圖像分割，特徵提取和監督分類等過程。
  • 可滿足諸多地球觀測任務 深大科究團隊提出民航客機平臺遙感新方法
    見圳客戶端·深圳新聞網2020年10月22日訊（記者 金洪竹 通訊員 汪施馳）近日，記者從深圳大學獲悉，該校地理空間信息研究團隊取得最新研究進展，針對傳統遙感衛星獲取遙感數據方面存在的限制，提出了民航客機平臺遙感新方法，在洪澇製圖應用、夜光遙感經濟監測和夜光光汙染監測等方面取得了初步研究成果。
  • 基於Transformer的高效、低延時、流式語音識別模型
    編者按：Transformer 模型在自然語言領域被提出後，目前已經擴展到了計算機視覺、語音等諸多領域。然而，雖然 Transformer 模型在語音識別領域有著更好的準確率，但在流式的語音識別場景下，Transformer 模型的速度和延時往往阻礙其實際的應用。
  • 浙江大學阮智超課題組:空間微分器——亞波長厚度全光模擬運算
    浙江大學阮智超教授課題組與合作者在亞波長全光模擬運算的研究中取得了新進展
  • 基於百度EasyDL定製化圖像識別平臺的海洋魚類識別方法
    本文作者：範偉亞【目的】魚類識別對漁業資源的開發利用有著重要的意義。針對海底環境惡劣、拍攝環境亮度低、場景模糊的實際情況導致海底觀測視頻品質差，視頻中的魚類識別難的問題以及現有魚類識別方法存在的魚類標註數據集過少導致訓練的深度模型準確度不高的問題。【方法】本文提出了一種基於百度EasyDL定製化圖像識別平臺的海底魚類識別方法。
  • 西北工業大學夏勇教授課題組博士生在醫學圖像計算頂級會議MICCAI...
    該會議是醫學影像人工智慧領域的國際頂級會議，除了展示領域內最新研究成果外，還因舉辦面向各種醫學圖像智能分析場景的國際挑戰賽而受到全球研究者和業界的廣泛關注。西北工業大學計算機學院的空天地海一體化大數據應用技術國家工程實驗室夏勇教授課題組博士生賈灝哲在大腦膠質瘤分割挑戰賽（BraTS 2020）獲得國際亞軍，博士生張建鵬在基於多序列CMR的心肌病理分割挑戰賽（MyoPS 2020）獲得國際季軍。
  • 香港中文大學黃波教授團隊應用深度卷積神經網絡實現了遙感影像分類從土地覆蓋到土地利用的飛躍
    點擊左上方藍色字體「慧天地」即可訂閱（點擊圖片可放大觀看，更多精彩請留意文末推薦)作者：黃波、趙貝、宋禕萌近日，香港中文大學黃波教授團隊在遙感領域頂級學術期刊《Remote Sensing of Environment》上發表了研究論文「Urban land-use mapping using a deep convolutional neural network with high spatial resolution multispectral remote sensing imagery」（利用深度卷積神經網絡與高解析度多光譜遙感影像識別城市土地利用
  • 基於STFT濾波算法的指紋圖像識別系統的設計與實現
    美國S.P等人提出了包括三種基於細節特徵和一種基於濾波的聯合匹配的算法，實驗發現這種算法確實能夠提高指紋識別的精度；韓國 C.W等人提出了一種名為無參數密度估計快速匹配的算法，該算法首先利用parzen密度估計來篩選出候選指紋，接下來利用三個隨機特徵點間的三角型關係對指紋進行匹配；印度A.B等人提出了一種利用任意兩點間的距離和連線與坐標軸的夾角進行部分點模式序列匹配的名為基於脊線運動方向和脊線中像素點的序列模式的匹配算法
  • 浙大科學家提出三維光學超分辨成像新方法
    近日，浙江大學光電科學與工程學院劉旭教授和匡翠方教授課題組提出了一種新穎的光學成像技術——多角度幹涉顯微鏡（MAIM），實現了對生物體內活細胞的多色、長時程、高速和三維超分辨成像，為微管、內質網、線粒體和細胞膜等亞細胞器的生物動力學分析提供了有力的研究工具。這項研究發表在知名期刊《自然·通訊》上。
  • 溼地受損遙感識別方法及其在天津濱海新區的應用
    基於多時期土地利用數據和長時間序列的Landsat影像數據,利用馬爾科夫轉移矩陣和GIS空間分析法分析溼地類型受損狀況,利用趨勢分析法分析長時間序列和不同階段的溼地植被、水體和土壤溼度要素受損狀況,構建了溼地受損遙感識別方法,綜合溼地類型和溼地要素受損狀況,分析溼地受損模式,並在天津濱海新區進行案例研究。
  • 遙感圖像處理中的深度學習專題 《中國科學:信息科學》英文版
    在對地觀測領域, 由大量在軌衛星獲取的海量遙感數據, 使其成為數據驅動應用的典範. 過去幾年來, 遙感圖像處理相關的深度學習研究快速增長, 包括高光譜遙感圖像、合成孔徑雷達(SAR)圖像等處理、分類、參數反演及目標檢測識別.
  • Plant Physiology|瀋陽農業大學汪澈教授課題組揭示細胞骨架調節根毛生長機理
    近日，瀋陽農業大學生物科學技術學院汪澈教授課題組在Plant Physiology
  • 一種基於人工智慧的腦圖像處理方法
    打開APP 一種基於人工智慧的腦圖像處理方法 MedPeer 發表於 2019-10-22 16:41:57 （文章來源：MedPeer
  • 用深度學習理解遙感圖像,識別效率提升90倍 | PaddlePaddle出品
    識別的準確度也達到了84%。這並不是個案特例，而是整個應用方向的集體提升，正切切實實發生在中科院遙感地球所。這一躍遷是怎麼發生的？又是一個怎樣的過程？AI在圖像識別領域中已經頗有建樹許多年，為什麼到現在能力才體現出來？
  • Biochemistry | 浙江大學林世賢課題組綜述甲硫氨酸的化學選擇性修飾方法
    近日，Biochemistry在線發表了來自浙江大學林世賢課題組的綜述文章，該文章綜述了近年來發展的甲硫氨酸化學選擇性修飾方法。
  • 多光譜可見光遙感圖像壓縮系統設計
    摘要：為了實現多光譜可見光遙感圖像高質量壓縮的要求，提出以JPEG2000壓縮標準為理論，將FPGA與專用壓縮晶片ADV212相結 合的空間遙感圖像壓縮方法。
  • 吳息鳳教授全職加盟浙江大學
    3月20日上午，在浙江大學紫金港校區舉行的「浙大歡迎您」儀式上，知名華人科學家吳息鳳教授全職加盟浙江大學，受聘為公共衛生學院院長。