一种用于从无人机影像估算大豆相对成熟度以辅助育种决策的深度学习应用方法
计算机视觉与模式识别
2021-08-03 v1 机器学习
图像与视频处理
摘要
对全球育种组织而言，鉴定下一代优良作物对其成功至关重要。识别新的遗传品种需要多年的田间测试以收集作物产量、抗虫性、耐热性等方面的数据。在生长季结束时，组织需要决定哪些品种将推进至下一生长季（或售予农户），哪些将从候选池中淘汰。具体而言对大豆来说，识别其相对成熟度是用于推进决策的重要信息。然而，该性状需实地观测，且存在资源限制（时间、资金等）瓶颈了数据收集过程。为应对此问题，育种组织正转向先进图像采集设备。本文中，我们开发了一种利用无人机图像时间序列鲁棒且自动地估算大豆相对成熟度的方法。提出了一种结合卷积神经网络（CNN）与长短期记忆（LSTM）的端到端混合模型来提取特征并捕获时间序列数据的顺序行为。所提深度学习模型在美国六个不同环境中测试。结果表明我们的 CNN-LSTM 模型相较局部回归方法的有效性。此外，我们展示了这一新获信息如何用于辅助植物育种推进决策。
引用
@article{arxiv.2108.00952,
title = {An Applied Deep Learning Approach for Estimating Soybean Relative Maturity from UAV Imagery to Aid Plant Breeding Decisions},
author = {Saba Moeinizade and Hieu Pham and Ye Han and Austin Dobbels and Guiping Hu},
journal= {arXiv preprint arXiv:2108.00952},
year = {2021}
}
备注
22 pages, 7 figures