狠狠色丁香久久综合婷婷亚洲成人福利在线-欧美日韩在线观看免费-国产99久久久久久免费看-国产欧美在线一区二区三区-欧美精品一区二区三区免费观看-国内精品99亚洲免费高清

            您好, 歡迎來到化工儀器網(wǎng)

            | 注冊| 產(chǎn)品展廳| 收藏該商鋪

            18310840911

            technology

            首頁   >>   技術(shù)文章   >>   WIWAM高通量植物表型平臺—作物高光譜功能分析

            北京博普特科技有限公司

            立即詢價

            您提交后,專屬客服將第一時間為您服務(wù)

            WIWAM高通量植物表型平臺—作物高光譜功能分析

            閱讀:1776      發(fā)布時間:2022-5-25
            分享:

            WIWAM高通量植物表型成像系統(tǒng)由比利時SMO公司與Ghent大學(xué)VIB研究所研制生產(chǎn),整合了LED植物智能培養(yǎng)、自動 化控制系統(tǒng)、葉綠素?zé)晒獬上駵y量分析、植物熱成像分析、植物近紅外成像分析、植物高光譜分析、植物多光譜分 析、植物CT斷層掃描分析、自動條碼識別管理、RGB真彩3D成像等多項(xiàng)*技術(shù),以較優(yōu)化的方式實(shí)現(xiàn)大量植物樣 品——從擬南芥、玉米到各種其它植物的生理生態(tài)與形態(tài)結(jié)構(gòu)成像分析,用于高通量植物表型成像分析測量、植 物脅迫響應(yīng)成像分析測量、植物生長分析測量、生態(tài)毒理學(xué)研究、性狀識別及植物生理生態(tài)分析研究等。

            稱重、成像、澆水植物表型成像系統(tǒng)

            室內(nèi)植物表型成像系統(tǒng)WIWAM Line


            基于SVM算法和超色調(diào)的高光譜圖像中的綠色植物分割


            image.png

            綠色植物分割在基于高光譜的植物表型分析中起著重要的作用,然而,這一主題并沒有得到足夠的重視。現(xiàn)有的圖像分割方法依賴于數(shù)據(jù)類型、植物和背景,可能沒有利用高光譜數(shù)據(jù)的能力。本文提出了一種單類支持向量機(jī)分類器,結(jié)合超色調(diào)預(yù)處理方法對高光譜圖像中的綠色植物像素進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明,該方法能夠以較小的誤差從背景中分割出綠色植物,因此可以作為基于高光譜的綠色植物分割的通用方法。

            為了評估步驟4中超色調(diào)的貢獻(xiàn),應(yīng)用了另一個使用類似訓(xùn)練過程而忽略步驟4的模型,在本文中被命名為REF。首先,使用驗(yàn)證數(shù)據(jù)對模型進(jìn)行驗(yàn)證,誤差列于表 1,其中 FP、FN 和 MIS 分別代表假陽性率、假陰性率和誤分類率。表 1 表明,與 REF 方法相比,HH 方法可以將誤差降低到較低階的水平。超色調(diào)與飽和度和強(qiáng)度無關(guān),因此受局部表面角度偏差和植物自身陰影不穩(wěn)定照明的影響較小。此外,超色調(diào)可以增加類間距離。接下來,使用小麥、大麥、棉花、箭葉三葉草和澳大利亞金絲雀草的高光譜圖像對模型進(jìn)行了測試。對于每個物種,隨機(jī)選擇獨(dú)立于訓(xùn)練和驗(yàn)證數(shù)據(jù)的高光譜圖像進(jìn)行測試。首先使用Photoshop軟件對圖像進(jìn)行手動分割,然后與自動分割進(jìn)行比較。在 VNIR 數(shù)據(jù)中,比較了幾個廣為接受的植被指數(shù),包括 NDVI、GNDVI、EVI等,發(fā)現(xiàn)使用閾值為0.3的 EVI 的方法可以提供最佳分割。在VNIR數(shù)據(jù)中測試了EVI、REF和HH方法的性能,而在SWIR數(shù)據(jù)中僅測試了REF和HH方法的性能。誤分類率繪制在圖1和圖2中,它們表明HH方法顯著減少了誤差。圖3顯示了REF和HH方法在SWIR數(shù)據(jù)中分割大麥的測試圖像。

            image.png

            表1.SVM 模型驗(yàn)證的誤差率

            image.png

            圖1.VNIR 測試數(shù)據(jù)中的錯誤分類率

            image.png

            圖2.SWIR 測試數(shù)據(jù)中的錯誤分類率

            在測試數(shù)據(jù)中,錯誤率高于驗(yàn)證數(shù)據(jù)。有幾個因素可能導(dǎo)致測試數(shù)據(jù)的錯誤率較高。首先,在人工分割中,葉子邊緣的像素被分類為前景,而在自動分類中,這些像素可以被分類為背景,因?yàn)檫@些像素的光譜特征是背景和植物的混合。其次,手動分割可能會有錯誤,特別是對于小麥和大麥這種窄葉植物。分割后的圖像將被進(jìn)一步處理,以分析植物中的營養(yǎng)分布,包括氮、磷等。分割的精度可以滿足這一要求。使用較大的訓(xùn)練數(shù)據(jù)來訓(xùn)練更復(fù)雜的模型,如人工神經(jīng)網(wǎng)絡(luò)(ANN)或深度ANN,將獲得相同或更好的結(jié)果,但是,當(dāng)考慮到勞動力和數(shù)據(jù)收集成本時,最好使用較小的數(shù)據(jù)集來訓(xùn)練具有可接受精度的模型。

            image.png   image.png

            圖3.SWIR數(shù)據(jù)中大麥分割REF和HH方法的測試圖像(紅色標(biāo)記為植物輪廓)

            相關(guān)閱讀

            室內(nèi)植物表型成像系統(tǒng)WIWAM XY

            室內(nèi)植物表型成像系統(tǒng)WIWAM conveyor

            室內(nèi)植物表型成像柜WIWAM Imaging Box

            WIWAM植物表型成像定制系統(tǒng)

            WIWAM高通量植物表型組學(xué)、植物表型成像、種質(zhì)資源研究系統(tǒng)-玉米研究

            WIWAM高通量植物表型組學(xué)、植物表型成像、種質(zhì)資源研究系統(tǒng)-水稻線蟲

            WIWAM高通量植物表型成像分析平臺應(yīng)用—真菌研究

            WIWAM高通量植物表型成像分析平臺—植物病害

            WIWAM高通量植物表型成像分析平臺-植物病害研究2

            WIWAM高通量植物表型組學(xué)成像分析研究系統(tǒng)-玉米研究2

            WIWAM高通量植物表型組學(xué)成像分析研究系統(tǒng)-擬南芥研究1

            WIWAM高通量植物表型組學(xué)成像分析研究系統(tǒng)-擬南芥研究4

            WIWAM高通量植物表型組學(xué)成像分析研究系統(tǒng)-擬南芥研究5

            WIWAM高通量植物表型組學(xué)成像分析研究系統(tǒng)-擬南芥研究6

            WIWAM高通量植物表型組學(xué)成像分析-擬南芥的全基因關(guān)聯(lián)圖譜

            會員登錄

            請輸入賬號

            請輸入密碼

            =

            請輸驗(yàn)證碼

            收藏該商鋪

            標(biāo)簽:
            保存成功

            (空格分隔,最多3個,單個標(biāo)簽最多10個字符)

            常用:

            提示

            您的留言已提交成功!我們將在第一時間回復(fù)您~
            在線留言