English | 中文版 | 手機版 企業(yè)登錄 | 個人登錄 | 郵件訂閱
當前位置 > 首頁 > 技術文章 > 基于多視角幾何圖編碼器的黃瓜幼苗三維點云分割網絡研究

基于多視角幾何圖編碼器的黃瓜幼苗三維點云分割網絡研究

瀏覽次數(shù):483 發(fā)布日期:2024-11-4  來源:本站 僅供參考,謝絕轉載,否則責任自負

Plant Phenomics | 揚州大學繆旻珉教授團隊提出基于多視角幾何圖編碼器的黃瓜幼苗三維點云分割網絡

植物表型分析在觀察和理解植物的生長發(fā)育中起著至關重要的作用。在表型分析中,基于3D點云的植物器官分割近年來引起了越來越多的關注。然而,僅使用歐幾里得空間的幾何關系特征仍然無法準確地分割和測量植物。

2024年10月,Plant Phenomics在線發(fā)表了揚州大學繆旻珉教授團隊題為Cucumber Seedling Segmentation Network Based on a Multiview Geometric Graph Encoder from 3D Point Clouds的研究論文。

為了挖掘更多幾何特征,本研究提出了一種基于多視角幾何圖編碼器的分割網絡,命名為SN-MGGE。如圖1所示,SN-MGGE通過幾何圖編碼器(GGE)在歐幾里得空間和雙曲空間中生成點特征,涵蓋幾何關系和幾何形狀結構。該方法在語義分割中取得了94.90%的mIoU和97.43%的OA,顯著提升了性能。如圖2所示,基于分割結果能夠準確測量四個植物表型參數(shù),即植株高度、葉長、葉寬和葉面積,這四個參數(shù)的R²值均超過0.96。這表明,SN-MGGE滿足植物表型參數(shù)的自動化和高精度提取需求,為實際農業(yè)種植提供了寶貴的技術支持和參考。

圖1 SN-MGGE網絡的架構

圖2 提取值與測量值的表型參數(shù)比較。(A) 葉長。(B) 葉寬。(C) 植株高度。(D) 葉面積

該研究的貢獻主要有三個方面:

(1)基于VisualSFM軟件構建了高質量的單株黃瓜幼苗3D點云數(shù)據集。

(2)引入了幾何圖編碼器(GGE),同時捕捉局部幾何特征和層次結構信息,通過利用歐幾里得和雙曲幾何的優(yōu)勢,增強了對復雜幾何數(shù)據的理解和表示。此外,設計了一個語義分割網絡(SN-MGGE),實現(xiàn)了從單株植物到器官的黃瓜幼苗點云的自動分割。最后,通過聚類方法從分割后的黃瓜幼苗點云中提取表型參數(shù)。

(3)在黃瓜幼苗和其他三種植物的點云上驗證了SN-MGGE的分割效率和泛化能力。測試結果表明,SN-MGGE在處理不同植物種類的點云數(shù)據時表現(xiàn)良好。

作者團隊介紹

揚州大學蔬菜產量形成與綠色調控團隊:團隊負責人為繆旻珉教授,主要研究蔬菜產量形成的生物學過程,鑒定過程中的關鍵基因和作物表型,研究基因與表型之間的聯(lián)系,研發(fā)相關作物模型和高產、綠色、優(yōu)質、高效栽培技術。該論文為該團隊聯(lián)合揚州大學信息工程學院章永龍博士團隊在蔬菜表型鑒定方面作出的一次探索。

論文鏈接:
https://doi.org/10.34133/plantphenomics.0254

——推薦閱讀——
SCAG: A stratified, clustered, and growing-based algorithm for soybean branch angle extraction and ideal plant architecture evaluation
https://doi.org/10.34133/plantphenomics.0190

Plant Phenomics | 南京農業(yè)大學基于點云的大豆分枝夾角提取算法開發(fā)與耐密植株型新性狀發(fā)掘
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020‍

Plant Phenomics ESI高被引論文 | 基于高通量無人機RGB圖像的水稻植株計數(shù)、定位和大小估計方法

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、?l(fā)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(yè)大學創(chuàng)辦的英文學術期刊,于2019年1月正式上線發(fā)行。采用開放獲取形式,刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)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(yè)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(tǒng)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(shù)據庫收錄?祁Nò睯CR2022影響因子為7.6,位于農藝學一區(qū)(1/125名),植物科學一區(qū)(13/265名),遙感一區(qū)(6/62名)。2023年中科院期刊分區(qū)位于農林科學大類一區(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軍期刊項目。

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。
特邀作者:解亞玲(揚州大學)
編輯排版:張婕(上海交通大學)
審核:尹歡、孔敏

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 電話:021-64166852;13621656896 E-mail:info@bio-equip.com