成人在线免费视频观看,成人在线免费观看网址,免费黄色大全,日本成人黄色片

應(yīng)用案例

SmartPod：一種自動(dòng)化的高精度大豆田間表型莢果計(jì)數(shù)框架

發(fā)布時(shí)間：

2025-04-05

來源：

作者：

大豆莢計(jì)數(shù)是大豆育種和產(chǎn)量預(yù)測的關(guān)鍵指標(biāo)，但傳統(tǒng)的人工計(jì)數(shù)方法在復(fù)雜田間環(huán)境中（如遮擋、密集分布和背景干擾）存在效率低、誤差大的問題。盡管深度學(xué)習(xí)技術(shù)（如 YOLO 系列）在目標(biāo)檢測領(lǐng)域取得了顯著進(jìn)展，但在處理大豆莢的高密度分布、遮擋和背景相似性時(shí)仍面臨挑戰(zhàn)。SmartPod 的深度學(xué)習(xí)框架，旨在通過技術(shù)創(chuàng)新和半監(jiān)督學(xué)習(xí)策略解決這些問題。

2025年3月24日，《agronmy》在線發(fā)表了一篇由中國石油大學(xué)（華東）青島軟件學(xué)院與計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院、青島農(nóng)業(yè)大學(xué)科學(xué)與信息科學(xué)學(xué)院和青島農(nóng)業(yè)大學(xué)草地科學(xué)學(xué)院共同完成的研究論文——《SmartPod: An Automated Framework for High-Precision Soybean Pod Counting in Field Phenotyping》。利用慧諾瑞德公司研發(fā)的軌道式高通量植物表型平臺（TraitDiscover）采集數(shù)據(jù)集，提出一種名為SmartPod的深度學(xué)習(xí)框架，專為田間大豆莢的高精度計(jì)數(shù)而設(shè)計(jì)。

 

圖1. SmartPod方法的實(shí)驗(yàn)流程

(a)使用迭代自訓(xùn)練框架對BN網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練;(b)BN網(wǎng)絡(luò)的結(jié)構(gòu);(c)訓(xùn)練豆莢檢測網(wǎng)絡(luò)；(d)使用性能最好的網(wǎng)絡(luò)進(jìn)行檢測和計(jì)數(shù)。

 
本研究以耐鹽大豆品種“齊黃 34”和“齊黃 641”及其衍生品種為實(shí)驗(yàn)對象。實(shí)驗(yàn)在山東省東營市廣饒縣的國家鹽堿地綜合利用與技術(shù)創(chuàng)新中心進(jìn)行。數(shù)據(jù)集由軌道式高通量植物表型平臺（TraitDiscover）自動(dòng)采集，共包含 1500 張圖像，分為訓(xùn)練集、驗(yàn)證集和測試集（比例為 7:2:1）。使用 LabelMe 工具對圖像中成熟大豆莢的關(guān)鍵點(diǎn)進(jìn)行標(biāo)注。
 

 圖2. 圖像采集與標(biāo)注過程

(a)TraitDiscover高通量表型平臺;(b)圖像標(biāo)注示例。

 

BeanpodNet (BN)是基于 YOLOv8 的大豆莢檢測模型，通過以下改進(jìn)解決了高密度目標(biāo)、遮擋和背景與目標(biāo)特征相似性等挑戰(zhàn)：SViT增強(qiáng)全局上下文特征提取，減少復(fù)雜背景對檢測性能的影響。Multi-SEAM增強(qiáng)遮擋目標(biāo)的分離能力，提高模型在遮擋場景中的魯棒性。Inner-IoU優(yōu)化邊界框回歸策略，提高密集目標(biāo)場景下的檢測精度。半監(jiān)督迭代自訓(xùn)練策略：利用未標(biāo)注數(shù)據(jù)生成偽標(biāo)簽，提高檢測器的泛化能力，減少對標(biāo)注數(shù)據(jù)的依賴。

 

圖3. BeanpodNet（BN）網(wǎng)絡(luò)架構(gòu)

 

 圖4. STT塊的結(jié)構(gòu)

 

圖5. Multi-SEAM架構(gòu)

 

圖6. iou內(nèi)部機(jī)制的說明

 
實(shí)驗(yàn)結(jié)果表明，SmartPod 在 IoU 閾值為 0.5 的平均精度（AP@IoU=0.5）上達(dá)到了 94.1%，比現(xiàn)有方法高出 1.7%–4.6%。與 YOLO 系列方法相比，SmartPod 在精度、召回率和 AP@0.5 指標(biāo)上均表現(xiàn)優(yōu)異。在 200 個(gè)大豆樣本的手動(dòng)計(jì)數(shù)與模型預(yù)測對比中，SmartPod 的 Pearson 相關(guān)系數(shù)達(dá)到 0.9792，顯著優(yōu)于 YOLOv8 的 0.9612。SmartPod 為大豆育種和精準(zhǔn)農(nóng)業(yè)提供了強(qiáng)有力的工具，并為未來在其他作物表型分析中的應(yīng)用奠定了基礎(chǔ)。

 

圖7. YOLOv8s和BN在AP@0.5和P-R曲線上的比較

 

圖8. 大豆植物的預(yù)測效果

 

圖9.不同方法檢測性能的比較

 

圖10.預(yù)測值和實(shí)際值之間的相關(guān)性

 

準(zhǔn)確計(jì)數(shù)大豆莢不僅能夠精確估算產(chǎn)量，還能識別高產(chǎn)和抗逆大豆品種。傳統(tǒng)方法由于遮擋、背景相似性和密集分布等因素容易出現(xiàn)誤差，而深度學(xué)習(xí)模型（如 YOLO 系列）在處理復(fù)雜視覺任務(wù)方面取得了顯著突破。本研究提出的 SmartPod 方法結(jié)合深度學(xué)習(xí)技術(shù)和半監(jiān)督學(xué)習(xí)策略，不僅提高了檢測精度，還展示了在多樣化田間條件下的強(qiáng)大泛化能力。盡管 SmartPod 在復(fù)雜田間環(huán)境中表現(xiàn)出色，但目前仍需要將大豆植株平鋪成像。未來工作將探索六自由度成像技術(shù)，以實(shí)現(xiàn)自然狀態(tài)下的莢檢測和計(jì)數(shù)。

 

來 源

Liu F, Wang S, Pang S, et al. SmartPod: An Automated Framework for High-Precision Soybean Pod Counting in Field Phenotyping[J]. Agronomy, 2025, 15(4): 791.

 

編輯

楊靜靜

推薦新聞

石時(shí)之約|韓志國：透過表型數(shù)據(jù)，看見植物的喜怒哀樂！

本期石時(shí)之約，我們將對話慧諾瑞德（北京）科技有限公司總經(jīng)理、國際植物表型學(xué)會(huì)（IPPN）執(zhí)委會(huì)委員/工業(yè)分會(huì)副主席韓志國，一起從表型數(shù)據(jù)的科學(xué)角度，去讀懂農(nóng)作物的喜怒哀樂和前世今生。

慧科研、慧育種、慧種田——慧聚改變的力量

讓我們“慧聚”在一起，為“慧科研、慧育種、慧種田”賦能。

高通量植物表型平臺建設(shè)注意事項(xiàng)

育種，是在給定的環(huán)境條件下，選擇各種表型指標(biāo)(產(chǎn)量、品質(zhì)、抗性)最優(yōu)的基因型材料的過程(AI育種，從這里起步)。育種工作中大約70%的工作量來自表型觀察測量和篩選，是最耗人力物力的過程。

作物生理表型測量基礎(chǔ)原理

生理表型測量的核心在于“早、快”，要在肉眼可見之前就能測量并預(yù)判出變化趨勢，才是這個(gè)技術(shù)的核心價(jià)值。葉綠素?zé)晒獬上?，恰好滿足了這個(gè)要求。