品质至上,客户至上,您的满意就是我们的目标
当前位置: 首页 > 新闻动态
科学家利用Hiphen田间植物表型成像系统发表文章
发表时间: 点击:748
来源:北京博普特科技有限公司
分享:
科学家利用Hiphen田间表型成像系统:包括LITERAL便携式表型成像系统 ,鱼眼设备、Phenomobile表型车等,在Scientific data(nature子刊)发表了题为“VegAnn, Vegetation Annotation of multi-crop RGB images acquired under diverse conditions for segmentation”的文章。
摘要
将深度学习应用于种植系统的图像,为研究和商业应用提供了新的知识和见解。将在地面采集的RGB图像进行语义分割或逐像素分类,将其划分为植被和背景,是估计几种冠层特征的关键步骤。基于卷积神经网络(CNNs)的现有技术方法是在受控或室内环境下获取的数据集上进行训练的。这些模型无法推广应用到真实世界的图像,因此需要使用新的标记数据集进行微调。这推动了VegAnn-植被注释-数据集的创建,该数据集由3775张多作物RGB图像组成,这些图像是在不同的光照条件下使用不同的系统和平台为不同的物候期采集的。我们预计VegAnn将有助于提高分割算法的性能,促进基准测试,并促进大规模作物植被分割研究。
LITERAL便携式植物表型成像系统
Hiphen可以利用先进的算法和人工智能技术评估植物在每个物候阶段的行为。通过性状目录,Hiphen提供随时可用的数据,帮助客户更多了解作物并在正确的时间做出正确的决策。Hiphen团队由农学家、数据科学家和工程师组成,致力于为农业研究提供高通量植物表型系统和解决方案。
针对获取地面采样距离(GSD)的图像或无需UAV来进行较简单数据获取的需求,Hiphen开发出了Hiphen LITERAL田间便携式多光谱表型成像系统。该系统测量植株高度可达3m,可整合RGB、近红外等各种传感器,将田间表型研究成本拉到了一个新维度。该便携式多光谱表型成像系统重量轻、功能强大,可集成多种表型传感器,可快捷、便携进行植物田间表型研究。系统有多种备选传感器,标配RGB可见光和近红外成像模块,适于野外作物表型特征提取和分析。系统配置有专用配套光照系统,提供多项表型参数输出,例如可研究生物量、冠层发育、植物胁迫、试验品质、收获指数、品质、植物病害、器官数量、老化、颜色等,设备上还配有地理信息设置功能,数据获取界面友好,从而进行有效表型数据处理。系统专门配有可调支撑杆。电池为肩背设计,续航工作时间可达10个小时,电池为所有摄像机和采集盒供电,从而保证了全天检测的电源。该表型系统还安装有RTK定位系统,通过平板或计算机界面测量规划与设置。所有的传感器都连接在一个采集盒上,采集盒可以触发摄像头,存储数据,并与平板电脑进行通信。平板电脑可以通过用户友好的图形界面定义测量场景。测量场景详细显示传感器配置、试验计划和每个小区中的测量数量。现场轻松使用,并确保正确引用每个获取的图像和元数据所有采集数据与其它高通量表型采集设备获取数据兼容,可用于云数据平台(cloverfield)的数据分析。
VegAnn, Vegetation Annotation of multi-crop RGB images acquired under diverse conditions for segmentation
Abstract
Applying deep learning to images of cropping systems provides new knowledge and insights in research and commercial applications. Semantic segmentation or pixel-wise classification, of RGB images acquired at the ground level, into vegetation and background is a critical step in the estimation of several canopy traits. Current state of the art methodologies based on convolutional neural networks (CNNs) are trained on datasets acquired under controlled or indoor environments. These models are unable to generalize to real-world images and hence need to be fine-tuned using new labelled datasets. This motivated the creation of the VegAnn - Vegetation Annotation - dataset, a collection of 3775 multi-crop RGB images acquired for different phenological stages using different systems and platforms in diverse illumination conditions. We anticipate that VegAnn will help improving segmentation algorithm performances, facilitate benchmarking and promote large-scale crop vegetation segmentation research.
LITERAL便携式表型成像系统,鱼眼设备、Phenomobile表型车