Plant Phenomics | 武漢工程大學基于密度互斥的田間葡萄果實半監督計數

葡萄是一種重要的農產品，葡萄漿果的計數對于葡萄種植和農業管理具有重要意義。傳統的計數方法通常需要大量的人力和時間，而且容易受到主觀因素的影響。因此，研究人員傾向于使用計算機視覺和圖像處理技術來解決這個問題。半監督學習方法可以更好地利用有標簽和無標簽的圖像數據，降低了數據標注的成本。本研究旨在開發一種半監督學習方法，用于從野外葡萄圖像中精確計數葡萄果實。
 

2023年11月，Plant Phenomics在線發表了武漢工程大學計算機科學與工程學院、人工智能學院題為Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion 的研究論文。研究提出了一種基于密度互斥的田間葡萄漿果半監督計數方法（CDMENet）該算法以VGG 16為主干網絡，提取圖像特征，并引入了基于密度互斥作為為輔助工具，利用葡萄果實在密度層次上得空間分布模式，實現了對葡萄果實得分類識別，該方法充分利用了未標記的數據，并設計了一種密度差損失器，通過放大不同密度水平之間的特征差異，增強了特征的表示能力。
 

為了提高計數準確性并降低數據標注成本，研究采用了半監督學習方法。首先，研究使用Embrapa Wine Grape Instance Segmentation Dataset，其中包含300張野外葡萄圖像，每個圖像中的葡萄漿果都經過手動標記，以創建地面真實標簽（圖1）。這些圖像包括五種不同的葡萄品種，每張圖像中的漿果數量在200到1500之間不等。
 

圖1 葡萄品種和田間葡萄漿果數據集中手動標記圖像的示例

隨后，研究提出了CDMENet（密度相互排斥網絡），這是研究的計數框架。CDMENet由三個主要部分組成：特征提取器、密度回歸器和輔助任務。特征提取器使用了VGG16網絡，用于從輸入圖像中提取深度特征（圖2）。密度回歸器負責預測葡萄漿果的密度圖，而輔助任務則通過多個密度級別預測器提供了對象分布信息，以優化特征學習過程。研究使用密度相互排斥來確保各像素僅歸屬于一個密度級別。

圖2 基于密度互斥的田間葡萄漿果半監督計數框架

此外，在方法效率部分，研究將CDMENet與其他全監督和半監督計數方法進行比較，并使用多種指標如MAE、RMSE和R2來評估性能。性能評估結果如表1所示。

深入的消融實驗（Ablation study）表明CDMENet在減少標注成本方面具有巨大潛力。通過對模型進行詳細的組成部分和設計選擇的分析，研究者發現，在不同的標注數據量和標簽信息條件下，CDMENet都能保持出色的性能，尤其是在相對較少的標注圖像的情況下。這表明CDMENet充分利用了未標注圖像，通過引入基于密度互斥的輔助任務和密度差異損失，成功地減少了對標注圖像的依賴，從而降低了標注成本。這一發現為在實際應用中更經濟高效地解決葡萄漿果計數問題提供了重要的理論和實證支持。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0115

——推薦閱讀——

Instance Segmentation and Berry Counting of Table Grape before Thinning Based on AS-SwinT

https://spj.science.org/doi/10.34133/plantphenomics.0085

Plant Phenomics | 基于AS-SwinT疏果前單串葡萄果粒的實例分割與計數

Prediction of the Maturity of Greenhouse Grapes Based on Imaging Technology

https://doi.org/10.34133/2022/9753427

Plant Phenomics | 基于表型圖像信息與反向神經網絡預測溫室葡萄成熟度

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、專刊發布會等高質量活動。
 

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。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性研究論文、綜述、數據集和觀點。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等數據庫收錄。科睿唯安JCR2022影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

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。

撰稿：章揚（南京農業大學）

排版：張婕（上海交通大學）

審核：孔敏、王平