027-87860098
027-87860098
芒( Awns )是包括小麥、水稻、大麥和黑麥等主要作物在內(nèi)的許多禾本科植物穎殼和/或穎殼的刺狀延伸體，在禾本科植物中有許多重要的功能，包括同化、機(jī)械保護(hù)、種子傳播和埋藏。芒的一個(gè)重要特征是外芒表面存在或不存在倒刺-細(xì)鉤狀的單細(xì)胞毛狀體，其可以使用顯微成像進(jìn)行可視化。然而，目前還沒有合適的軟件工具來(lái)對(duì)這些小的、半透明的結(jié)構(gòu)進(jìn)行高通量自動(dòng)分析。此外，利用傳統(tǒng)的模式檢測(cè)和分割方法對(duì)倒刺進(jìn)行自動(dòng)分析受到其光學(xué)外觀(包括尺寸，形狀和表面密度)高度可變性的阻礙。
在本文中，作者提出了一種基于專用深度學(xué)習(xí)模型——BarbNet進(jìn)行大麥芒顯微圖像中倒刺自動(dòng)檢測(cè)和表型分析的軟件工具。BarbNet模型是對(duì)U-net原有的編碼器-解碼器CNN架構(gòu)的改進(jìn)版本，旨在對(duì)大麥芒倒刺進(jìn)行語(yǔ)義分割。與U-net模型不同，BarbNet在每個(gè)卷積層后加入批量歸一化，通過(guò)對(duì)各自層級(jí)的特征圖進(jìn)行歸一化來(lái)增強(qiáng)網(wǎng)絡(luò)性能和穩(wěn)定性。在BarbNet中沒有使用Dropout層，同時(shí)增加了kernel size以提高分割質(zhì)量。此外，由于輸入圖像尺寸較大，BarbNet的深度相比于原始U-net的深度4增加到了5。實(shí)驗(yàn)結(jié)果表明，BarbNet能夠檢測(cè)不同芒的倒刺結(jié)構(gòu)，平均準(zhǔn)確率為90%，準(zhǔn)確率高于原始U-net模型及其改進(jìn)的另外3種模型。此外，從BarbNet分割圖像中提取的表型性狀可以對(duì)4種不同芒表型進(jìn)行相當(dāng)穩(wěn)健地分類，準(zhǔn)確率大于 85 %，表明該方法在大麥芒自動(dòng)化分選中具有潛在的應(yīng)用前景。
2025/8/29
2025/8/29
2025/8/29
2025/8/29
2025/8/8
2025/8/8
2025/8/1
2025/7/31
2025/7/28
2025/7/25
Copyright © 2013-2022 武漢谷豐光電科技有限公司 鄂ICP備14020812號(hào)-1、鄂ICP備14020812號(hào)-2 
鄂公網(wǎng)安備42018502003245號(hào) 網(wǎng)站地圖
