從原型到推理：深度學習在高粱穗部檢測中的應用
對于高粱這類在產生不同分蘗數的作物，穗的密度是了解作物產量的主要組成部分。在植物育種和商業作物的農學研究中，利用穗密度通常依賴于人工計數觀察，這是一個低效和繁瑣的過程。在目前的研究中，作物的RGB圖像是十分容易被采集的，因此可以基于RGB圖像利用機器學習方法以取代人工計數。然而，這些研究主要集中在有限的測試條件下的檢測本身，并沒有提供使用基于深度學習的計數的通用協議。本研究所研發的系統提供了從數據收集和模型訓練到商業領域的模型驗證和模型部署的基礎，準確的模型訓練是研發生產系統的基礎。然而，在自然環境中，部署數據集經常不同于訓練數據從而導致模型失敗，因此一個豐富的模型對于建立一個可靠的解決方案至關重要。
2023年1月，Plant Phenomics在線發表了The University of Queensland題為From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection 的研究論文。
本文提供了一個全面的系統，從數據收集到模型部署，基于深度學習輔助進行高粱穗產量估計。研究主要圍繞兩個實驗進行，第一個實驗中，收集了一個在抽穗早期帶有高粱植株的田間數據集，主要集中于地面圖像數據集，并使用半自動標記和手動標記的組合來標注數據集，同時調整我們的地面圖像數據集來訓練一個模型來檢測無人機圖像的中的穗數。通過在地面圖像上訓練和驗證模型，并在一個僅由無人機圖像組成的單獨測試上評估模型，以觀察模型的泛化能力。
圖1源數據準備和模型培訓/評估的概述
在第二個實驗中，我們提供了一個生產線，描述了在另一個高粱田地部署基于深度學習的檢測模型。對該系統的概述如下：(a)考慮并比較了多重深度學習方法。如果只需要準確的穗數計數，回歸模型可以提供比探測器更準確的結果。然而，如果現場需要進行更詳細的分析，探測器模型是必要的。(b)提出了一個行檢測的RANSAC模型，該模型使用穗數檢測結果來識別種植行，以分析行之間的間隙和穗密度的變化。(c)穗密度/平方米的頭部計數在每張圖像的基礎上和跨領域可視化。
圖2 基于圖像的穗密度可視化。(A)穗檢測和行檢測。在最近的一行上的(B)點回歸。(C)每一行的一維移動和頭計數和高斯平滑處理。(D) 3D顯示每行磁頭密度。(E)橫跨整個圖像的穗密度
本研究在高粱田地展示了自主研發的系統，并且該系統可以推廣到其他作物品種。本研究所研發的系統提供了一個高分辨率的穗密度圖，可以不借助其他商業軟件的前提下用于診斷作物在一個區域內的農藝變異性。
論文鏈接：
https://spj.science.org/doi/10.34133/plantphenomics.0017
——推薦閱讀——
Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline
https://doi.org/10.34133/2022/9758532
Plant Phenomics | 基于深度學習的微根管圖像自動化分析方法
A Deep Learning-Based Phenotypic Analysis of Rice Root Distribution from Field Images
https://doi.org/10.34133/2020/3194308
Plant Phenomics | 基于深度學習的水稻根系分布表型研究
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics
《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，于2019年1月正式上線發行。采用開放獲取形式，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。具體范圍涵蓋高通量表型分析的最新技術，基于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DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.961，位于農藝學、植物科學，遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：吳庚宸（南京農業大學）
排版：薛楚凡（南京農業大學）
審核：孔敏、王平
