English | 中文版 | 手機版 企業(yè)登錄 | 個人登錄 | 郵件訂閱
當(dāng)前位置 > 首頁 > 技術(shù)文章 > 基于自下而上的關(guān)鍵點檢測模型的大豆精準豆莢表型分析

基于自下而上的關(guān)鍵點檢測模型的大豆精準豆莢表型分析

瀏覽次數(shù):837 發(fā)布日期:2024-7-9  來源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負
Plant Phenomics | DEKR-SPrior: 基于自下而上的關(guān)鍵點檢測模型的大豆精準豆莢表型分析

在全球范圍內(nèi),大豆不僅是蛋白質(zhì)和油脂的重要來源,其產(chǎn)量的提升也一直是農(nóng)業(yè)科研的重點領(lǐng)域。豆莢的數(shù)量和種子的計數(shù)是決定大豆產(chǎn)量的關(guān)鍵性狀。然而,在高通量精準表型分析方面,大豆育種面臨巨大挑戰(zhàn):如何精確地識別和計數(shù)密集堆積且相互重疊的豆莢和種子。

2024年6月,Plant Phenomics 在線發(fā)表了之江實驗室題為DEKR-SPrior: An Efficient Bottom-Up Keypoint Detection Model for Accurate Pod Phenotyping in Soybean的論文。

近年來,人工智能技術(shù),尤其是深度學(xué)習(xí)(DL)模型的快速發(fā)展,為作物性狀的高通量表型分析開辟了新的道路。但現(xiàn)有的DL模型在處理原位大豆植株中那些緊密排列、相互重疊的豆莢時,效果并不理想。為應(yīng)對這一挑戰(zhàn),本文開發(fā)了一種創(chuàng)新的自下而上的模型——DEKR-SPrior,專門用于大豆植株的原位豆莢表型分析。

本文特別針對大豆莢果和種子的表型特征,通過模擬人體關(guān)鍵點檢測的方法,將大豆莢果和種子分別視為人體的不同部位和關(guān)節(jié),實現(xiàn)了對大豆莢果和種子的精準識別與計數(shù)。

圖1 豆莢的不同類型及定義。(A)一粒莢(B)二粒莢(C)三粒莢(D)四粒莢(E)五粒莢

文章的創(chuàng)新點:
(1)結(jié)構(gòu)先驗?zāi)K(SPrior):創(chuàng)新性的引入了結(jié)構(gòu)先驗(structural prior,SPrior)模塊,通過余弦相似性增強了種子特征的區(qū)分度,顯著提高了模型對高度相似種子的識別能力。
(2)圖像處理技術(shù):通過將全尺寸圖像裁剪成更小、更高分辨率的子圖像進行分析,進一步提升了莢果定位的準確性。

圖2 DEKR-SPrior模型中的結(jié)構(gòu)先驗?zāi)K示意圖

在圖像數(shù)據(jù)集上的結(jié)果顯示,DEKRSPrior在豆莢表型檢測上優(yōu)于多種現(xiàn)有的自下而上的模型,即light -OpenPose, OpenPose, HigherHRNet和DEKR,將豆莢表型的平均絕對誤差(mean absolute error,MAE)從25.81(原始DEKR)降低到21.11 (DEKR- sprior)。

圖3 DEKR-SPrior在子圖測試數(shù)據(jù)集中結(jié)果的可視化

DEKR-SPrior模型在植物表型研究中展現(xiàn)出巨大潛力,有望成為未來植物表型研究的有力工具。研究團隊期望該模型能夠助力農(nóng)業(yè)生產(chǎn)者和科研人員更高效、更精準地進行大豆產(chǎn)量和品質(zhì)評估。

本文的第一單位為之江實驗室,合作單位為中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所的大豆分子設(shè)計育種重點實驗室和浙江工商大學(xué)。本文的研究受到了國家重點研發(fā)計劃(2023YFD1202600)、之江實驗室大豆智能計算育種與應(yīng)用(2021PE0AC04)等項目支持。

論文鏈接:
https://doi.org/10.34133/plantphenomics.0198‍

——推薦閱讀——
Noninvasive Abiotic Stress Phenotyping of Vascular Plant in Each Vegetative Organ View
https://doi.org/10.34133/plantphenomics.0180

Plant Phenomics | 福建農(nóng)林大學(xué)基于高等植物“根-莖-葉”視角下的無損脅迫表型分析
Three-dimensional leaf edge reconstruction combining two- and three-dimensional approaches
https://doi.org/10.34133/plantphenomics.0181

Plant Phenomics | 結(jié)合二維和三維方法的三維葉片邊緣重建

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(xué)》作者交流群,群內(nèi)不定期開展作者分享會、?l(fā)布會等高質(zhì)量活動。

1662096989509323.png

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(xué)》(Plant Phenomics)是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會(AAAS)合作創(chuàng)辦的英文學(xué)術(shù)期刊,于2019年1月正式上線發(fā)行。采用開放獲取形式,刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù),基于圖像分析和機器學(xué)習(xí)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(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用,與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究,表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄?祁Nò睯CR2022影響因子為7.6,位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項目。

說明:本文由《植物表型組學(xué)》編輯部負責(zé)組稿。
中文內(nèi)容僅供參考,一切內(nèi)容以英文原版為準。
排版:許怡瑤(上海交通大學(xué))
審核:孔敏、王平

來源:北京博普特科技有限公司
聯(lián)系電話:010-82794912
E-mail:1206080536@qq.com

用戶名: 密碼: 匿名 快速注冊 忘記密碼
評論只代表網(wǎng)友觀點,不代表本站觀點。 請輸入驗證碼: 8795
Copyright(C) 1998-2025 生物器材網(wǎng) 電話:021-64166852;13621656896 E-mail:info@bio-equip.com