使用深度學(xué)習技術(shù)從無人機低空遙感圖像中檢測麥穗

時間：2022-11-11作者：三亞博瑞源科技有限公司瀏覽：380

深度學(xué)習使機器模仿視聽和思考等人類的活動，解決了很多復(fù)雜的模式識別難題，使得人工智能相關(guān)技術(shù)**了很大進步。它的較終目標是讓機器能夠像人一樣具有分析學(xué)習能力，能夠識別文字、圖像和聲音等數(shù)據(jù)。 深度學(xué)習是一個復(fù)雜的機器學(xué)習算法，在語音和圖像識別方面**的效果，遠遠**過先前相關(guān)技術(shù)。比如，在農(nóng)業(yè)發(fā)展領(lǐng)域里表型研究方面就得到較大的應(yīng)用。 

隨著以機器學(xué)習乃至深度學(xué)習等為代表的數(shù)據(jù)處理技術(shù)快速發(fā)展，基于無人機遙感圖像的麥穗檢測方法逐漸成為替代傳統(tǒng)人工測量方法的新選擇。目前，大多數(shù)現(xiàn)有的麥穗圖像數(shù)據(jù)集往往基于地面表型平臺或手持設(shè)備采集得到，數(shù)量和質(zhì)量往往不能令人滿意。同時，這些數(shù)據(jù)集包含有限數(shù)量的圖像和品種使得深度學(xué)習網(wǎng)絡(luò)魯棒性降低。

盡管基于深度學(xué)習CNN的目標檢測方法顯著提高了從近地面獲得的小麥圖像的麥穗檢測性能。然而，對于基于空中尺度的無人機拍攝的不同階段、高密度和重疊等情況的麥穗圖像，現(xiàn)有的基于深度學(xué)習的目標檢測方法往往檢測效果不佳。由于CNN感受視野通常很小，不利于捕獲全局特征。雖然CNN已經(jīng)成為計算機視覺領(lǐng)域上的標準方法，憑借強大的表示能力可以減輕上述挑戰(zhàn)的影響。在計算機視覺領(lǐng)域，骨干網(wǎng)絡(luò)一直是特征提取的重要部件。通常卷積操作擅長提取細節(jié)，要掌握全局信息往往需要堆疊很多個卷積層。注意力機制善于把握整體，但在訓(xùn)練時又需要大量的數(shù)據(jù)學(xué)習其辨別性的特征。而把卷積核注意力結(jié)合的Transformer在減少計算開銷的情況下提高了性能。在2020年，Vision Transformer（ViT）的出現(xiàn)，到目標檢測的DETR，再到圖像分割的SETR以及3D人體姿態(tài)的METRO等引發(fā)了新一輪范式轉(zhuǎn)變。使用Transformer來完成目標檢測視覺任務(wù)成為了一個新的研究方向。與現(xiàn)有流行的CNN方法相比，基于Transformer的方法在視覺任務(wù)上也顯示出了良好的性能。

因此，在麥穗檢測中引入Transformer，設(shè)計開發(fā)了三種均基于Transformer做主干的目標檢測網(wǎng)絡(luò)，包括兩階段方法FR-Transformer和單階段方法R-Transformer和Y-Transformer。與其他各種流行目標檢測CNN方法相比， FR-Transformer方法**它們，其中AP50為88.3%，AP75為38.5%。結(jié)果表明，所提FR-Transformer方法能夠較好地滿足田間環(huán)境下無人機快速準確檢測麥穗的需求。這些較加相關(guān)且直接的信息為小麥產(chǎn)量的進一步估算提供可靠的參考。 

深度學(xué)習技術(shù)目前除了被應(yīng)用在上文中提到的小麥無人機低空遙感圖像檢測中，同時也被應(yīng)用在玉米、水稻、食用菌、甘蔗等各類農(nóng)作物表型測量中。比如，食用菌行業(yè)常用的菌絲表型儀、智能育種出菇箱等設(shè)備系統(tǒng)都應(yīng)用了深度學(xué)習技術(shù)對菌絲、食用菌的生長進行表型監(jiān)測，另外有些企業(yè)或科研機構(gòu)為了提高效率，選擇使用數(shù)字化植物表型大數(shù)據(jù)平臺，即以深度學(xué)習技術(shù)為**，將研發(fā)、生產(chǎn)等環(huán)節(jié)通過智能算法系統(tǒng)融合一起，把*的經(jīng)驗載入每個生產(chǎn)環(huán)節(jié)，并將監(jiān)測到的生產(chǎn)數(shù)據(jù)進行記錄存儲分析，較終實現(xiàn)科學(xué)、高效的育種與生產(chǎn)。

注：文章來源“小麥研究聯(lián)盟”。


三亞博瑞源科技有限公司專注于表型系統(tǒng)解決方案,表型分析儀,食用菌表型設(shè)備等

• 詞條

  詞條說明

• 種圖家：未來植物表型研究重點在哪里？

  植物的表型受基因和環(huán)境的雙重影響，難以進行重復(fù)的有效測量。植物的表型是基因型和環(huán)境因素復(fù)雜交互的結(jié)果，基因型是表型得以表達的內(nèi)因，而環(huán)境是表型得以表達的外因。植物表型研究是研究在特定條件下植物所表現(xiàn)出的可觀察的結(jié)構(gòu)、功能等形態(tài)特征及其變化規(guī)律，正成為學(xué)術(shù)和產(chǎn)業(yè)界公認的**研究和應(yīng)用領(lǐng)域之一，是解決面向未來的農(nóng)業(yè)挑戰(zhàn)的**技術(shù)領(lǐng)域之一。目前植物表型研究集中在小麥、擬南芥、水稻、玉米、高粱、大麥、西紅

• 【種圖家植物表型】基于無人機表型監(jiān)測出苗前施用除草劑對大豆植株的傷害

  除草劑在農(nóng)業(yè)種植中除草的必要手段之一，隨著除草劑的使用在過去幾年中持續(xù)增加，為了解決除草劑對作物的損害問題。評估除草劑施用后對作物的損害，這對于確定潛在的產(chǎn)量損失和提出減輕其影響的解決辦法至關(guān)重要。但確定除草劑造成的危害往往需要專業(yè)人員進行實地評估，這使得研究人員和農(nóng)民難以監(jiān)測除草劑對農(nóng)田造成的損害程度。目前有一種無人機進行采集的圖像數(shù)據(jù)可以作為雜草管理科學(xué)技術(shù)研究的基準，以補充從地面系統(tǒng)觀測的結(jié)

• 智能化食用菌工廠案例

  近年來我國食用菌大規(guī)模生產(chǎn)已形成穩(wěn)定的發(fā)展業(yè)態(tài)，工廠化比例不斷提高，呈現(xiàn)食用菌工廠化生產(chǎn)向優(yōu)勢企業(yè)集中現(xiàn)象，行業(yè)**企業(yè)間競爭也愈發(fā)激烈。但由于菌種研發(fā)信息化程度不足，生產(chǎn)流程管理“憑經(jīng)驗”、“靠感覺”等現(xiàn)象，對菌種工廠效益提升有一定阻礙，因此，發(fā)展食用菌智能工廠對優(yōu)質(zhì)菌種研發(fā)、工廠生產(chǎn)精細化管理、多地工廠歷史信息整合分析有重大意義和促進作用。一．功能特性：l?菌種大數(shù)據(jù)中心，集行業(yè)數(shù)據(jù)

• 【植物表型大數(shù)據(jù)】當育種遇上人工智能，農(nóng)業(yè)將快速發(fā)展

  隨著農(nóng)業(yè)育種技術(shù)的不斷精進，我們吃的食物越來越多樣，并且與之前的食物外觀、味道有些不一樣。比如，小時候吃的白菜，葉子上總有許多被蟲吃的洞眼，而且白菜只有一兩個品種，如今白菜有近10個品種，葉子上沒有小洞。其實，自從作物被馴化以來，培育集抗性強、優(yōu)質(zhì)、高產(chǎn)等性狀為一體的作物品種一直是育種家的夢想。DNA分子結(jié)構(gòu)模型的發(fā)現(xiàn)推動了分子生物學(xué)的發(fā)展，讓育種家們能夠從基因和分子水平上解碼作物的生命秘密，通過