基于CNN的语义分割应用于沟槽轮廓图像以研究作物根系...
基于CNN的语义分割应用于沟槽轮廓图像以研究作物根系分布情况由于土壤中的养分和水分分布不均，影响作物生长和产量的根系体系是土壤根系分布的重要组成部分。耕地中的养分分布取决于耕地面积，耕作方法和施肥系统。为此，根系分布受耕作和施肥影响。 现代农业通常使用高输入设备，使位于地表附近的耕层土壤变得十分肥沃。因此，浅根作物能够较好地吸收养分，促进生长。而在干旱条件下，深根作物在缺少养分和水分的耕地中通过避免养分和水分的缺乏而表现得更好。因此，根的分布受环境条件和栽培技术的影响。 以适合农场的根分布品种为目标进行育种可以提高产量。育种的成功取决于如何在自然和人工种群中使用适合的表型方法找到有效的遗传资源。然而，当下很难培育出理想的根系分布新品种，因为用于田间根系分配的表型方法，即筛选可调节根系分布特性的遗传资源所必须的步骤，在有限的技术层面上具有一定的挑战性。 获取根部表型性状的方法大致分为四类：沟槽轮廓法、......阅读全文
基于CNN的语义分割应用于沟槽轮廓图像以研究作物根系...
基于CNN的语义分割应用于沟槽轮廓图像以研究作物根系分布情况由于土壤中的养分和水分分布不均，影响作物生长和产量的根系体系是土壤根系分布的重要组成部分。耕地中的养分分布取决于耕地面积，耕作方法和施肥系统。为此，根系分布受耕作和施肥影响。 现代农业通常使用高输入设备，使位于地表附近的耕层土壤变得十分肥沃
基于深度学习的化纤外观缺陷语义分割
摘要： 针对化纤外观缺陷检测使用基于深度学习的语义分割方法，总结了自2014年以来基于深度学习的典型语义分割方法，并在此基础上应用到化纤外观检测项目上，取得了不错的效果。 01 化纤外观缺陷检测背景 化纤作为纺织制造的原料，由化纤生产企业进入下游纺织企业前会收卷形成丝饼，但在丝饼
新策略将有效提高农业害虫识别准确率
原文地址：http://news.sciencenet.cn/htmlnews/2023/5/500755.shtm近日，中国农业科学院（深圳）农业基因组研究所研究员钱万强课题组完成的研究论文在《农业科学学报》(英文) (Journal of Integrative Agriculture，JIA)
美开发出基于热映像的图像分割算法
美国普渡大学的研究人员开发出一种基于热映像的计算机图像分割算法，可使计算机迅速识别出物体的外形，即便其发生扭曲或轻度变形也不会受到影响。该技术将使机器视觉与人类视觉更加接近，可广泛应用于图像搜索、医疗影像以及无人机制造等多个领域。详细研究结果将分为两篇论文，在6月21日至23日举行的IEEE(美
根系分析系统—基于图像识别技术的根系扫描分析系统
植物的根是植物最重要的组成部分，一般来说健康的植物都有健全而庞大的植物根系。植物的根由于深埋在地下，且结构复杂，相对于植物的地上部分，研究起来要 困难很多，但是随着图像识别技术的发展，利用图像识别技术来识别和分析植物根系成为了可能。根系分析系统就是一款基于图像识别技术而开发的专用于植物根
根系图像分析系统告诉你为什么你的作物根系生长不好？
一般的作物主要分为地上部分和地下部分，而地下部分主要就是植物的根系了。在作物的整个生长过程中，植物根系的生长状况都直接影响着植物冠层的性状和结实性能，因此需要特别重视，而采用根系图像分析系统来开展土壤根系分析，不仅为快速测定作物根系参数提供了一条新的途径，而且也填补了根系分析研究这个领域的技术空白，
我国科学家首次公开了SAR图像船舶检测数据集
近日，中国科学院空天信息研究院数字地球重点实验室研究员王超团队首次公开了SAR图像船舶检测数据集。该数据集来自于多源、多模式SAR图像。基于此数据集，该团队实现了复杂背景下的商船检测与分类一体化深度学习处理系统，在无需海陆分割的基础上，实现商用船舶的近实时自动检测与分类，为我国国产高分3号的业务
根系分析系统对作物根系水分吸收的研究
农作物生长的时候需要充足的水分才能保障作物的正常生产，据调查80%以上的水分都是通过根系进行吸收的，因此利用根系分析系统对作物根系的研究可以有效的帮助我们了解作物吸收水分的情况，为合理灌溉、施肥、育种从而最终提高作物产量与生产力有着很大的帮助。作物根系包括向下生长的主根和沿主根产生的侧根及其多级分枝
科学家在智能驾驶场景感知研究方面取得进展
近日，中国科学院上海微系统与信息技术研究所仿生视觉系统实验室研究员李嘉茂团队与合作者在智能驾驶感知领域取得进展。针对智能驾驶感知的两个关键问题——栅格占据预测和全景分割进行研究，两项成果分别被机器人领域国际学术会议2024 IEEE International Conference on Robot
智能驾驶场景感知研究获进展
原文地址：http://news.sciencenet.cn/htmlnews/2024/3/519592.shtm近日，中国科学院上海微系统与信息技术研究所仿生视觉系统实验室研究员李嘉茂团队与合作者，在智能驾驶感知领域的栅格占据预测和全景分割方面取得新突破，两项成果均被ICRA录用。针对栅格占据预
利用根系分析仪对农作物根系吸水研究的几点建议
1 注重根系吸水机理研究植物根系生长与植物根系吸水是紧密联系在一起的两个过程。植物根系吸收水分促进根系生长，而根系生 长又反过来增加植物根系吸水的土层深度并缩短水分到达根表皮的距离。因此，植物根系生长过程及其影响因素、植物根系伸展规律、植物根系密度分布规律等，仍 是未来研究的重点。2 修改与完善已有
研究作物根系情况对高产栽培的重要意义
作物正常的生长发育、产量形成过程是地上部光合作用和地下根群吸收养分、分水的有机统一过程。生产中改良土壤、施肥、灌水和中耕等大多数栽培措施均是直接作用于根系,从而调节地上部发育和实现最终产量的提高。因此,对根系的研究在高产栽培中愈来愈显得重要。然而,由于根系深藏于土壤之中,研究难度大,以住在我区尚很少
地质地球所提出人工智能地震信息挖掘方法
人工神经网络（ANN）在数据驱动的自然和信息科学研究领域（如图像图形学、材料、生物学和医学、天文地理以及地球科学）的应用发展迅速。在勘探地球物理学中，大部分此类研究均可视为可视化图像分类或分割问题。如地质学家使用地震反射数据图像对地下沉积单元或油气藏进行分类，并识别断层、裂缝或盐体等不连续地质结
沈阳自动化所行人检测技术研究取得进展
行人检测技术是自动驾驶、机器人以及智能视频监控等研究领域的核心技术。 近日，中国科学院沈阳自动化研究所通过对基于共享特征提取网络的目标检测网络和弱监督训练语义分割网络的输出结果进行融合，得到目标最终检测结果的方法可兼顾精度与速度。 研究人员首先通过改进的YOLO检测网络对图像中目标进行了检测
用TensorFlow实现物体检测的像素级分类
最近，TensorFlow 的「物体检测 API」有了一个新功能，它能根据目标对象的像素位置来确定该对象的像素。换句话来说，TensorFlow 的物体检测从原来的图像级别成功上升到了像素级别。使用 TensorFlow 的「物体检测 API」图片中的物体进行识别，最后的结果是图片中一个个将不同物体
深度学习在雷达中的研究综述（二）
其中， J(w,b) 为对应自编码器代价函数， β 为控制系数性惩罚因子权重。2.3 DBN基本原理DBN是一个概率生成模型，其建立一个观测数据与标签之间的联合分布。并且DBN由多个受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)组成，典型的DBN结构如图4所示。
《语义通信及语义认知网络架构研究》报告发布
原文地址：http://news.sciencenet.cn/htmlnews/2023/10/510096.shtm10月11日，记者从鹏城实验室获悉，由该实验室副主任石光明牵头撰写的《语义通信及语义认知网络架构研究》报告，于近日在工信部IMT-2030（6G）推进组正式发布。该报告是全球首个语义
识别田间条件下小麦的穗区域的表型分析方法
2019年6月，Plant Phenomics刊发了由来自英国诺里奇研究所（Norwich Research Park）的Tahani Alkhudaydi等人撰写的题为An exploration of deep-learning based phenotypic analysis to dete
自动化所提出不规则卷积神经网络
近日，中国科学院自动化研究所马佳彬、王威、王亮等研究人员在科学预印本网站arxiv上预发表了一项研究，提出了一种新形式的卷积神经网络——不规则卷积神经网络，这种新的方法能够解决常规卷积效率低下的问题。 在深度卷积神经网络（CNN）中，卷积核是最基本和最重要的组件。研究人员给卷积核配置了形状属性
基于深度学习和超像素的大田小区水稻稻穗分割技术研究
不同生长阶段顶视相机角度下进行稻穗分割近日华中农业大学和华中科技大学联合作物表型研究团队在《Plant Methods》杂志上发表题为：Panicle-SEG: A robust image segmentation method for rice panicles in the field b
植物根系图像监测分析系统简述
植物根系图像监测分析系统按成像方式不同，可分为对原位根系图像的分析仪，以及对洗根后的根系图像分析仪。一般都要求可分析根系的长度、直径、面积、体积、根尖数、分叉数、根交叉数等。专业些的根系分析系统，还可分析植物根系的主侧根拓扑形态关系、连接关系，以及根尖部位的色彩变化，以便进行根系形态和构造研究。
植物根系图像分析仪介绍
植物的根系对生长是非常重要的，FT-WinRHIZO植物根系图像分析仪是风途厂家生产出来帮助研究植物根系的各项参数的，可以分析根系长度、直径、面积、体积、根尖记数等，功能强大，操作简单，软件可分析植物根系的形态，色彩、分级伸展分析及根系的整体结构分布等等。广泛运用于根系形态和构造研究。 植物根
水平集活动轮廓模型（一）
菌落计数，是微生物实验中基本又耗时的一项操作。近年来，出现一些自动菌落计数仪，为常规菌落检测提供了方便。但对一些复杂情况，例如菌落表面皱褶严重、边缘轮廓模糊、菌落颜色与培养基颜色非常接近、菌落生长在含有网格的滤膜上等等（下图1），一般菌落计数仪就无法实现计数统计。 这是因为，菌落计数的核心
滤膜与3M测试片检测
滤膜与3M测试片，越来越多的应用于生物、医药、食品、环境等领域的微生物检测。很多滤膜或测试片都有一个特点，就是在其表面有着不同颜色不同大小的网格线。这些网格有助于人工观测计数，但却给目前使用越来越多的自动菌落计数仪带来困难。因为网格的颜色往往很深，导致传统的方法往往检测到网格而不是菌落。下图1、2、
高光谱成像技术在根系表型分析中的应用
根系是植物的重要组成部分，植物吸收土壤中的水分与养分全依赖根系，所以根系的研究对于植物各学科来说都至关重要，但是根系分布在地面以下，而且是动态生长的，这就给根系的监测带来了很多困难。《Nature》杂志于2004年6月出版了一本专辑认为“人类对自己脚下土壤的了解远远不及对宇宙的了解”，更是佐证了地下
基于地面遥感延时图像的咖啡花识别方法
Plant Phenomics | 浙江大学黄敬峰教授课题组提出了一种基于地面遥感延时图像的咖啡花识别方法 咖啡是全球三大主要饮料之一，具有重要的经济价值。咖啡花的早期监测在开花调节，灌溉，产量预测和其他作物管理任务中至关重要。因此，准确识别咖啡花是更好地管理这些任务的关键。然而，常用的遥感平台由于
博普特植物表型组学多维度解决方案介绍（二）
1、Videometer Portable 多光谱表型成像系统对小植株的生理胁迫研究通过植被指数可评估不同状态下植被的生理结构和功能特性，包括生物量、冠层结构、叶面积指数、叶绿素含量以及植物冠层的光利用效率等。研究表明，Videometer 可用于拟南芥中叶绿素（NDVI）和叶黄素（PRI）
促进植物根系生长的方法？作物根系的四种生长状态？
一、作物根系的四种颜色四种生长状态，这点你必须要知道! 一般来说，作物的根系可以分为四种，白色根、黄色根、黑色根、灰色根四种根色，分别代表着作物的四种不同生长状态。 1、白根有劲 白色根一般是作物的新生根和老根根际，白色根多说明作物长势旺盛、生命力强劲。 2、黄根保命 黄色根(或者是黄
多菌种混杂情况的检测
在菌落计数中，常常会碰到这样一种情况，即培养皿中生长着多种不同种类的菌落：有真菌、细菌、霉菌、放线菌等等。不同种类的菌落，往往颜色不同、生长形态不同。尤其是霉菌和放线菌，其表面往往呈碎颗粒状，碎颗粒的密度不一样，中间密度高从而颜色深、边上密度低从而颜色浅；另外其边缘往往呈毛刺状或云雾状，面积则比一般
植物根系图像监测分析系统的综合分析
原则上,植物根系吸收土壤水份是受土壤性质、植物特性和大气因子三者综合影响的,忽略任何一个因素研究植物根系吸水或建立植物根系吸水模型都是不全面的。从过去众多的植物根系图像监测分析系统吸水函数表达式分析表明,根系的吸水速率与土壤的非饱和导水率成正比,与土壤和植物两者之间的水势差成正比,与土壤含水量或土壤