数字农科院2.0

使用深度相机的黄瓜苗3D表型高通量测量系统研究

文献类型： 中文期刊

作者： 徐胜勇;李磊;童辉;王成超;别之龙;黄远

作者机构：

关键词： 黄瓜苗;表型检测;RGB-D相机;深度学习

期刊名称：农业机械学报

ISSN： 1000-1298

年卷期： 2023 年

页码：

收录情况： EI（2023版） ; ; 北大核心（2020版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2023版） ; ; 农林核心（2020版）

摘要： 传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题。提出了一种使用RGB-D相机的黄瓜苗表型无损检测方法。研制了自动化的多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask RCNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩模，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使CycleGAN网络处理单个叶片的对齐图，对缺失进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask RCNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗的值。使用YOLOv5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，测量速度超过60株/h，对子叶、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均低于8.59%、R2均高于0.83，可以很好地替代人工测量方式，为品种选育、栽培管理、生长建模等研究提供关键基础数据。

分类号：

  • 相关文献

[1]基于RGB-D相机的黄瓜苗3D表型高通量测量系统研究. 徐胜勇,李磊,童辉,王成超,别之龙,黄远. 2023

[2]LED在设施园艺中的应用系列(一)LED在密闭式植物苗工厂中的应用. 魏灵玲,杨其长,刘水丽,杨雅婷. 2009

[3]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[4]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[5]基于半监督学习的无线网络攻击行为检测优化方法. 王婷,王娜,崔运鹏,李欢. 2020

[6]基于深度学习框架的隐藏主题变量图模型. 吴蕾,张文生,王珏. 2015

[7]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[8]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[9]计算机视觉与深度学习在猪只识别中的研究进展. 刘峰,吴文杰,刘小磊,王欣然,方亚平,李国亮,杜小勇. 2023

[10]基于深度学习的图像分割在畜禽养殖中的应用研究进展. 姚超,倪福川,李国亮. 2023

[11]基于卷积神经网络的冬小麦麦穗检测计数系统. 张领先,陈运强,李云霞,马浚诚,杜克明. 2019

[12]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[13]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019

[14]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[15]基于非接触式的牛只身份识别研究进展与展望. 郭雷风,许贝贝. 2020

[16]基于Android和深度学习的外来入侵植物智能识别系统. 刘万学,蒯乃阳,韩爽,冼晓青,陈宝雄,吕军,姚青. 2021

[17]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[18]利用无人机影像数据进行油菜长势监测. 张瑞杰,李俐俐,李礼,姚剑,乔江伟. 2021

[19]LSTM模型在耕地面积预测领域的构建与应用. 向雁,侯艳林,姜文来,陈印军,成良强. 2021

[20]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

作者其他论文 更多>>