精品人妻性爱视频,色吟AV,亚洲成人色图视频在线,日本色色网站,内射无码专区久久亚洲,欧美乱伦小说色图

網(wǎng)站首頁(yè)技術(shù)中心 > WIWAM高通量植物表型平臺(tái)—作物高光譜功能分析
產(chǎn)品中心

Product center

WIWAM高通量植物表型平臺(tái)—作物高光譜功能分析

更新時(shí)間:2022-05-25 點(diǎn)擊量:1299

WIWAM高通量植物表型成像系統(tǒng)由比利時(shí)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(dòng) 化控制系統(tǒng)、葉綠素?zé)晒獬上駵y(cè)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(dòng)條碼識(shí)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(cè)量、植 物脅迫響應(yīng)成像分析測(cè)量、植物生長(zhǎng)分析測(cè)量、生態(tài)毒理學(xué)研究、性狀識(shí)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(méi)有得到足夠的重視?,F(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(méi)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(duì)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(píng)估步驟4中超色調(diào)的貢獻(xiàn),應(yīng)用了另一個(gè)使用類似訓(xùn)練過(guò)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(duì)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(yáng)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(wú)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(lái),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(duì)模型進(jìn)行了測(cè)試。對(duì)于每個(gè)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(cè)試。首先使用Photoshop軟件對(duì)圖像進(jìn)行手動(dòng)分割,然后與自動(dòng)分割進(jìn)行比較。在 VNIR 數(shù)據(jù)中,比較了幾個(gè)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(cè)試了EVI、REF和HH方法的性能,而在SWIR數(shù)據(jù)中僅測(cè)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(cè)試圖像。

image.png

表1.SVM 模型驗(yàn)證的誤差率

image.png

圖1.VNIR 測(cè)試數(shù)據(jù)中的錯(cuò)誤分類率

image.png

圖2.SWIR 測(cè)試數(shù)據(jù)中的錯(cuò)誤分類率

在測(cè)試數(shù)據(jù)中,錯(cuò)誤率高于驗(yàn)證數(shù)據(jù)。有幾個(gè)因素可能導(dǎo)致測(cè)試數(shù)據(jù)的錯(cuò)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(dòng)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(dòng)分割可能會(huì)有錯(cuò)誤,特別是對(duì)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(yíng)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(lái)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(dòng)力和數(shù)據(jù)收集成本時(shí),最好使用較小的數(shù)據(jù)集來(lái)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(cè)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(chóng)

WIWAM高通量植物表型成像分析平臺(tái)應(yīng)用—真菌研究

WIWAM高通量植物表型成像分析平臺(tái)—植物病害

WIWAM高通量植物表型成像分析平臺(tái)-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