Похожие статьи
На юге Китая генетически улучшенная сосна обыкновенная (Pinus elliottii) играет решающую роль в производстве древесины и смолы, при этом новая плотность побегов является ключевым признаком роста. Современные методы ручного подсчета неэффективны и неточны. Новые технологии, такие как RGB-визуализация на основе беспилотных летательных аппаратов и глубокое обучение (DL), предлагают многообещающие решения.
Однако методы DL сталкиваются с проблемами при захвате глобальных объектов, требуя дополнительных механизмов. Такие инновации, как Vision Transformer и производные от него (например, TransCrowd, CCTrans), демонстрируют потенциал в подсчете признаков растений, предлагая упрощенные и более эффективные подходы к крупномасштабной и точной обработке данных. Эта технологическая эволюция предоставляет возможность для исследований в области автоматического обнаружения новых побегов сосны обыкновенной, используя эти передовые методологии DL.
В июле 2023 года Plant Phenomics опубликовала исследовательскую статью под названием «CountShoots: автоматическое обнаружение и подсчет новых побегов сосны на подсечке с помощью снимков с БПЛА». В этом исследовании представлена сеть подсчета побегов сосны обыкновенной (SPSC-net), модель на основе CCTrans, предназначенная для подсчета новых побегов сосны. Она включает функциональный модуль pyramid для точного подсчета.
При обнаружении сосны обыкновенной сравнивались такие модели, как YOLOv5, Efficientnet и YOLOX, с использованием порога идентификации деревьев 0, 5. YOLOX продемонстрировал превосходную точность, отзыв и среднюю точность (AP), особенно при более высоком пороге 0, 75. Напротив, Faster-RCNN показал самые низкие показатели. Ручной подсчет 26 тестовых изображений показал, что у YOLOX была более низкая частота ложных обнаружений, а у EfficientNet — минимальное количество пропущенных целей.
YOLOX преуспела в сложных и перекрывающихся целевых сценариях. Для обнаружения новых побегов в исследовании сравнивались сбалансированные и несбалансированные системы OT при оценке различных матриц затрат на транспозицию. Модель с перспективным наведением показала наилучшие показатели, подтвердив эффективность неравновесного OT для регрессии плотности. SPSC-net достигла самых низких показателей MSE и MAE среди всех моделей, опередив DM-Count, CSR-net и MCNN. Точечные графики и карты плотности продемонстрировали высокую точность прогнозирования SPSC-net.
На основе этого исследования была разработана CountShoots — система извлечения и подсчета побегов сосны обыкновенной. Реализованная на платформе Flask, она включает модули для взаимодействия с пользователем, загрузки модели, извлечения растений и подсчета побегов. Процесс включает в себя загрузку изображений, извлечение данных о растении, подсчет побегов и предоставление обратной связи по результатам, все оптимизировано для удобства пользователя. Исследование подтвердило эффективность SPSC-net при обработке многомасштабных изображений сосны обыкновенной.
YOLOX и SPSC-net были сравнены с другими моделями, продемонстрировав превосходную точность обнаружения и подсчета. Механизм самоконтроля SPSC-net и объединение функциональных пирамид позволяют извлекать подробные и семантически насыщенные характеристики. Несмотря на его успех, необходимо учитывать ограничения, такие как потенциальная помеха со стороны слоя кроны и ограничения на высоту полета беспилотника, подчеркивают ученые.
О светлом будущем заботятся политики, о светлом прошлом – историки, о светлом настоящем – журналисты.
