基于 VGG 卷积神经网络的自适应葡萄藤表型自动分析方法
计算机视觉与模式识别
2018-12-31 v2
摘要
在（葡萄藤）育种计划与研究中，尤其需要在田间对不同葡萄藤性状（如生长或产量）进行周期性表型分析和多年监测。这一需求意味着要使用传感器与自适应软件来实现客观、精确且自动化的方法。本工作提出了一个概念验证，分析葡萄藤不同生长阶段的 RGB 图像，旨在检测并量化与产量相关的有前景的植株器官。输入图像由全卷积神经网络（FCN）分割为对象与背景像素。这些对象是如嫩梢、花梗、花芽或葡萄等植株器官，原则上适用于产量估计。在训练图像的 ground truth 中，每个对象作为对象像素的连通段单独标注，从而实现对象特征的端到端学习。基于 CNN 的分割，通过使用区域标记检测并计数对象像素的连通分量来确定对象数量。在六个不同数据集上的评估中，该系统对分割取得了最高 87.3% 的 IoU，对对象检测取得了最高 88.6% 的 F1 分数。
引用
@article{arxiv.1811.09561,
title = {An Adaptive Approach for Automated Grapevine Phenotyping using VGG-based Convolutional Neural Networks},
author = {Jonatan Grimm and Katja Herzog and Florian Rist and Anna Kicherer and Reinhard Töpfer and Volker Steinhage},
journal= {arXiv preprint arXiv:1811.09561},
year = {2018}
}