CN115761730A - 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质 - Google Patents

一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质 Download PDF

Info

Publication number
CN115761730A
CN115761730A CN202211397460.3A CN202211397460A CN115761730A CN 115761730 A CN115761730 A CN 115761730A CN 202211397460 A CN202211397460 A CN 202211397460A CN 115761730 A CN115761730 A CN 115761730A
Authority
CN
China
Prior art keywords
melon
pedicel
example segmentation
image
size
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211397460.3A
Other languages
English (en)
Inventor
冯旭萍
俞泽宇
徐珊
胡可
樊佩迪
何勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202211397460.3A priority Critical patent/CN115761730A/zh
Publication of CN115761730A publication Critical patent/CN115761730A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质，涉及植物表型组学领域，该方法包括：构建实例分割神经网络模型；获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；将待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框；根据实例分割结果，计算甜瓜瓜蒂尺寸；甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。本发明能够对甜瓜瓜蒂长度和粗细性状进行提取。

Description

一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质
技术领域
本发明涉及植物表型组学领域，特别是涉及一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质。
背景技术
甜瓜(Cucumis melo L.)是葫芦科一年生匍匐或攀援草本；甜瓜茎和枝有棱，卷须单一且纤细；叶片厚纸质，近圆形或肾形；果实的形状、颜色因品种而异，通常为球形或长椭圆形，果皮平滑，有纵沟纹，或斑纹，无刺状突起，果肉白色、黄色或绿色，有香甜味；种子污白色或黄白色，卵形或长圆形，先端尖，基部钝，表面光滑，无边缘。
甜瓜瓜蒂，也称为甜瓜果蒂、果柄，是连接甜瓜果实与枝茎的部分，由花梗发育而来。瓜蒂较韧，不易折断，断面纤维性，中空。瓜蒂承担了运输养分、支撑果实的作用。甜瓜的瓜蒂表型获取对育种具有重要意义，瓜蒂是甜瓜生长发育营养供给的通道，短粗的瓜蒂结的牢，不易断，同时细长的瓜蒂田间管理不方便，而且容易折断。对这些表型性状进行常年观测，获取稳定遗传，对改良甜瓜品种具有重要意义。
提取甜瓜瓜蒂粗细表型性状的传统方法主要依靠人工测量，具有劳动强度高、时间长、操作要求高和易受主观性影响的缺点，限制了育种的规模化发展。通过信息化技术获取表型性状为信息化育种提供便利是育种的主流趋势和必然选择。
发明内容
本发明的目的是提供一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质，能够对甜瓜瓜蒂长度和粗细性状进行提取。
为实现上述目的，本发明提供了如下方案：
一种甜瓜瓜蒂尺寸表型的提取方法，所述方法包括：
构建实例分割神经网络模型；
获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；
将所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；所述实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框；
根据所述实例分割结果，计算甜瓜瓜蒂尺寸；所述甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。
可选地，所述实例分割神经网络模型包括编码网络和解码网络；所述编码网络为SwinTransformer；所述解码网络包括FPN网络和RPN网络。
可选地，所述实例分割神经网络模型的训练过程具体包括：
获取样本甜瓜图像；所述样本甜瓜图像中包括带有甜瓜瓜蒂的样本甜瓜和所述比例尺；
对所述样本甜瓜图像中的甜瓜瓜蒂和所述比例尺进行标注，得到标注图像；
将所述标注图像进行归一化，得到训练集图像；
以所述训练集图像为输入，以实例分割结果为输出，对所述实例分割神经网络模型进行训练，得到训练好的实例分割神经网络模型。
可选地，采用Labelme软件对所述样本甜瓜图像中的甜瓜瓜蒂和所述比例尺进行标注。
可选地，所述根据所述实例分割结果，计算甜瓜瓜蒂尺寸，具体包括：
根据所述比例尺检测框中的比例尺的刻度，确定比例尺；
根据所述甜瓜瓜蒂的检测框上的坐标，确定所述甜瓜瓜蒂的检测框的尺寸；所述甜瓜瓜蒂的检测框的尺寸包括所述甜瓜瓜蒂的检测框的长度和所述甜瓜瓜蒂的检测框的宽度；
根据所述比例尺和所述甜瓜瓜蒂的检测框的尺寸，确定甜瓜瓜蒂尺寸。
一种甜瓜瓜蒂尺寸表型的提取系统，应用于上述的甜瓜瓜蒂尺寸表型的提取方法，所述系统包括：
构建模块，用于构建实例分割神经网络模型；
获取模块，用于获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；
实例分割结果确定模块，用于将所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；所述实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框；
计算模块，用于根据所述实例分割结果，计算甜瓜瓜蒂尺寸；所述甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的甜瓜瓜蒂尺寸表型的提取方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的甜瓜瓜蒂尺寸表型的提取方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的一种甜瓜瓜蒂尺寸表型的提取方法，包括：构建实例分割神经网络模型；获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；将待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框；根据实例分割结果，计算甜瓜瓜蒂尺寸；甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。本发明通过构建实例分割神经网络模型识别图像中的甜瓜瓜蒂和比例尺，根据瓜蒂分割结果和比例尺计算甜瓜瓜蒂长度和粗细尺寸，实现了甜瓜瓜蒂粗细表型性状的提取，具有操作简单，模型运行成本低，速度快等特点，有效克服了传统方法需要手动测量和耗时耗力的缺点，为甜瓜选优育种中瓜蒂性状提取提供自动化智能化的方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的甜瓜瓜蒂尺寸表型的提取方法流程图；
图2为本发明实施例中编码网络SwinTransformer的结构示意图；
图3为本发明实施例中SwinTransformerBlock的结构示意图；
图4为本发明实施例中语义聚合模块FPN示意图；
图5为本发明实施例中实例分割阶段的结构示意图；
图6为本发明实施例中瓜蒂尺寸提取流程示意图；
图7为本发明提供的甜瓜瓜蒂尺寸表型的提取系统模块图。
符号说明：
1-构建模块，2-获取模块，3-实例分割结果确定模块，4-计算模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质，能够对甜瓜瓜蒂长度和粗细性状进行提取。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示，本发明提供了一种甜瓜瓜蒂尺寸表型的提取方法，所述方法包括：
步骤S1：构建实例分割神经网络模型；所述实例分割神经网络模型包括编码网络和解码网络；所述编码网络为SwinTransformer；所述解码网络包括FPN网络和RPN网络。具体地，建立了基于Transformer和RCNN的Swin-RCNN模型，能够输出甜瓜瓜蒂和比例尺的实例框和语义结果。所述编码网络SwinTransformer输出四个不同分辨率的特征层；所述的解码网络的第一阶段为FPN，用于聚合解码网络输出的特征，第二阶段为RPN网络，用于提取分割对象的候选框，在RPN网络后输出实例分割结果。
在实际应用中，图2为本发明实施例中编码网络SwinTransformer的结构示意图；图3为本发明实施例中SwinTransformerBlock的结构示意图；如图2和图3所示，编码网络接受甜瓜图像后，先经过Patch Partition进行分块，输入到SwinTransformerBlock中。每一个SwinTransformerBlock都通过LayerNorm进行规范化，通过多头注意力机制计算注意力。在Swin Transformer的每一层通过Skip Connection输出一个结果。SwinTransformer的四个特征层输出命名为O1、O2、O3、O4。
图4为本发明实施例中语义聚合模块FPN示意图；如图4所示，解码网络包括语义聚合模块FPN和区域建议网络RPN。语义聚合模块FPN接受编码网络的输出O1、O2、O3、O4，解决物体检测中的多尺度问题，通过简单的网络连接改变，在基本不增加原有模型计算量的情况下，能够提升小物体检测的性能。
图5为本发明实施例中实例分割阶段的结构示意图；如图5所示，区域建议网络RPN接受FPN的输出，生成候选区域的检测框，最终输出甜瓜瓜蒂和比例尺的语义结果和检测框结果。
步骤S2：获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；具体地，利用手持式相机采集甜瓜瓜蒂图像；在甜瓜生长成熟后，摘下甜瓜并保留甜瓜瓜蒂部分。将甜瓜和比例尺放置于平整桌面上进行拍摄。拍摄时，保持甜瓜瓜蒂伸直并使甜瓜果实正面和平行于相机镜头，在甜瓜正前方放置比例尺，用于辅助计算甜瓜瓜蒂的真实尺寸。
步骤S3：将所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；所述实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框。所述检测框为矩形框。
步骤S4：根据所述实例分割结果，计算甜瓜瓜蒂尺寸；所述甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。如图6所示，通过比例尺检测框的尺寸和真实比例尺刻度的比例计算甜瓜瓜蒂的真实长度和粗细尺寸。
S4具体包括：
步骤S41：根据所述比例尺检测框中的比例尺的刻度，确定比例尺。
步骤S42：根据所述甜瓜瓜蒂的检测框上的坐标，确定所述甜瓜瓜蒂的检测框的尺寸；所述甜瓜瓜蒂的检测框的尺寸包括所述甜瓜瓜蒂的检测框的长度和所述甜瓜瓜蒂的检测框的宽度。
步骤S43：根据所述比例尺和所述甜瓜瓜蒂的检测框的尺寸，确定甜瓜瓜蒂尺寸。
本发明提供的甜瓜瓜蒂尺寸表型的提取方法，还包括对所述实例分割神经网络模型进行训练，具体地，所述实例分割神经网络模型的训练过程包括：
步骤S01：获取样本甜瓜图像；所述样本甜瓜图像中包括带有甜瓜瓜蒂的样本甜瓜和所述比例尺。
步骤S02：对所述样本甜瓜图像中的甜瓜瓜蒂和所述比例尺进行标注，得到标注图像；具体地，采用Labelme软件对所述样本甜瓜图像中的甜瓜瓜蒂和所述比例尺进行标注。将标注的每个样本的甜瓜瓜蒂和比例尺作为监督训练的标签，对甜瓜瓜蒂和比例尺分别打上标签，生成json格式的标签文件，然后将标记好的图像送入构建的神经网络进行训练。在训练图像分割算法时，将图像的RGB三个通道归一化到0-1，加速模型的训练。
步骤S03：将所述标注图像进行归一化，得到训练集图像。
步骤S04：以所述训练集图像为输入，以实例分割结果为输出，对所述实例分割神经网络模型进行训练，得到训练好的实例分割神经网络模型。
本发明提供的甜瓜瓜蒂尺寸表型的提取方法，实现了甜瓜瓜蒂尺寸的快速提取，能够为甜瓜育种工作提供快速的表型测量结果。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种甜瓜瓜蒂尺寸表型的提取系统，如图7所示，所述系统包括：
构建模块1，用于构建实例分割神经网络模型。
获取模块2，用于获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺。
实例分割结果确定模块3，用于将所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；所述实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框。
计算模块4，用于根据所述实例分割结果，计算甜瓜瓜蒂尺寸；所述甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。
实施例三
本发明实施例提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行计算机程序以使电子设备执行实施例一的甜瓜瓜蒂尺寸表型的提取方法。
可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的甜瓜瓜蒂尺寸表型的提取方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种甜瓜瓜蒂尺寸表型的提取方法，其特征在于，所述方法包括：
构建实例分割神经网络模型；
获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；
将所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；所述实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框；
根据所述实例分割结果，计算甜瓜瓜蒂尺寸；所述甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。
2.根据权利要求1所述的甜瓜瓜蒂尺寸表型的提取方法，其特征在于，所述实例分割神经网络模型包括编码网络和解码网络；所述编码网络为Swin Transformer；所述解码网络包括FPN网络和RPN网络。
3.根据权利要求1所述的甜瓜瓜蒂尺寸表型的提取方法，其特征在于，所述实例分割神经网络模型的训练过程具体包括：
获取样本甜瓜图像；所述样本甜瓜图像中包括带有甜瓜瓜蒂的样本甜瓜和所述比例尺；
对所述样本甜瓜图像中的甜瓜瓜蒂和所述比例尺进行标注，得到标注图像；
将所述标注图像进行归一化，得到训练集图像；
以所述训练集图像为输入，以实例分割结果为输出，对所述实例分割神经网络模型进行训练，得到训练好的实例分割神经网络模型。
4.根据权利要求3所述的甜瓜瓜蒂尺寸表型的提取方法，其特征在于，采用Labelme软件对所述样本甜瓜图像中的甜瓜瓜蒂和所述比例尺进行标注。
5.根据权利要求1所述的甜瓜瓜蒂尺寸表型的提取方法，其特征在于，所述根据所述实例分割结果，计算甜瓜瓜蒂尺寸，具体包括：
根据所述比例尺检测框中的比例尺的刻度，确定比例尺；
根据所述甜瓜瓜蒂的检测框上的坐标，确定所述甜瓜瓜蒂的检测框的尺寸；所述甜瓜瓜蒂的检测框的尺寸包括所述甜瓜瓜蒂的检测框的长度和所述甜瓜瓜蒂的检测框的宽度；
根据所述比例尺和所述甜瓜瓜蒂的检测框的尺寸，确定甜瓜瓜蒂尺寸。
6.一种甜瓜瓜蒂尺寸表型的提取系统，其特征在于，所述系统包括：
构建模块，用于构建实例分割神经网络模型；
获取模块，用于获取待提取甜瓜瓜蒂尺寸表型的甜瓜图像；所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像中包括带有甜瓜瓜蒂的甜瓜和比例尺；
实例分割结果确定模块，用于将所述待提取甜瓜瓜蒂尺寸表型的甜瓜图像输入到训练好的实例分割神经网络模型，输出实例分割结果；所述实例分割结果包括甜瓜瓜蒂的检测框和比例尺的检测框；
计算模块，用于根据所述实例分割结果，计算甜瓜瓜蒂尺寸；所述甜瓜瓜蒂尺寸包括甜瓜瓜蒂的长度和甜瓜瓜蒂的宽度。
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的甜瓜瓜蒂尺寸表型的提取方法。
8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的甜瓜瓜蒂尺寸表型的提取方法。
CN202211397460.3A 2022-11-09 2022-11-09 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质 Pending CN115761730A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211397460.3A CN115761730A (zh) 2022-11-09 2022-11-09 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211397460.3A CN115761730A (zh) 2022-11-09 2022-11-09 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN115761730A true CN115761730A (zh) 2023-03-07

Family

ID=85368478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211397460.3A Pending CN115761730A (zh) 2022-11-09 2022-11-09 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN115761730A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116519688A (zh) * 2023-04-26 2023-08-01 中国科学院植物研究所 一种浆果表型特征高通量获取及自动分析方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116519688A (zh) * 2023-04-26 2023-08-01 中国科学院植物研究所 一种浆果表型特征高通量获取及自动分析方法和系统
CN116519688B (zh) * 2023-04-26 2024-05-14 中国科学院植物研究所 一种浆果表型特征高通量获取及自动分析方法和系统

Similar Documents

Publication Publication Date Title
CN111709489B (zh) 一种基于改进YOLOv4的柑橘识别方法
CN109711319A (zh) 一种粮食不完善粒图像识别样本库建立的方法及系统
CN106295661A (zh) 叶片图像多特征融合的植物种类识别方法及装置
CN104680558B (zh) 使用GPU硬件加速的Struck目标跟踪方法
CN115761730A (zh) 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质
US20240013380A1 (en) Cigar tobacco leaf harvesting maturity identification method and system based on integrated learning
Das Choudhury et al. Automated stem angle determination for temporal plant phenotyping analysis
CN111915332A (zh) 一种基于大数据的农产品安全溯源追踪监测管理系统
CN107909072A (zh) 一种植物类型识别方法、电子设备、存储介质及装置
Muthevi et al. Leaf classification using completed local binary pattern of textures
CN106803093A (zh) 一种基于叶片纹理特征和iOS平台的植物物种识别方法
CN114140665A (zh) 一种基于改进YOLOv5的密集小目标检测方法
CN110008912A (zh) 一种基于植物识别的社交平台匹配方法和系统
CN116797529A (zh) 一种水稻结实率测算方法
CN111860537A (zh) 基于深度学习的绿色柑橘识别方法、设备及装置
CN114758132A (zh) 一种基于卷积神经网络的果树病虫害识别方法及系统
CN110189327A (zh) 基于结构化随机森林编码器的眼底视网膜血管分割方法
CN111753903B (zh) 一种基于叶脉拓扑特征的大豆品种识别方法
CN105631451A (zh) 一种基于安卓系统的植物叶片识别方法
Zhao et al. A dataset of pomegranate growth stages for machine learning-based monitoring and analysis
CN117456523A (zh) 作物种类识别方法、装置、电子设备及介质
CN116630707A (zh) 一种基于深度学习的番茄穴盘苗分级检测与数据传输方法
CN113486773B (zh) 棉花植株生长期识别方法、系统、存储介质及设备
CN113935963B (zh) 一种荔枝种胚发育程度的图像识别检测方法及系统
CN115147659A (zh) 一种植物果实外表面dus测试性状的图像分析方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination