点击蓝色字免费订阅,每天收到这样的好资讯
本文提出了一种温室植物图像自动分割的方法,该方法基于荧光(FLU)和可见光(VIS)相机图像共同配准,然后使用不同物种和相机视图定制分类模型分离植物和边缘背景区域,植物表型资讯介绍如下。
大量图像数据的自动分割是高通量植物表型分析的主要瓶颈之一。发育中植物的动态光学外观、不均匀的场景光照、植物和背景区域的阴影和反射使单模态植物图像的自动分割复杂化。为了克服单模态数据中颜色信息模糊的问题,可以将不同模态的图像组合成一个虚拟多光谱立方体。然而,由于植物在光室之间移位所引起的运动伪效应,多模态图像的排列常常受到模糊伪影的影响。
玉米(a,d),小麦(b,e)和拟南芥(c,f)芽的FLU / VIS图像示例
配准分类方法的拍摄图像分割原理图
本文提出了一种温室植物图像自动分割的方法,该方法基于荧光(FLU)和可见光(VIS)相机图像共同配准,然后使用不同物种和相机视图定制分类模型分离植物和边缘背景区域。实验结果(包括与人工分割的地面真实数据的直接比较)表明,使用两步配准分类方法,从不同相机视角获得的不同植物类型图像可以自动分割,平均准确率为93%(SD=5%)。综上所述,该算法可以准确分割不同FLU / VIS植物图像,应用于全自动高通量表性分析 。
对8种不同颜色分类模型的评估
来源:
Henke M, Junker A, Neumann K, et al. A two-step registration-classification approach to automated segmentation of multimodal images for high-throughput greenhouse plant phenotyping. Plant Methods volume 16, Article number: 95 (2020). https://doi.org/10.1186/s13007-020-00637-x.
点击图片,了解详情
扩展阅读:
报告合集|无人机表型
直播回放|漫谈叶绿素荧光:从原理到应用
国际植物表型网络IPPN介绍和入会指南
表型资讯3周年目录汇总
植物表型资讯2020年1-6月目录汇总
点击“在看”,助力传播