基于条件随机场的高通量测定葡萄浆果大小的自动化图像分析框架
计算机视觉与模式识别
2017-12-18 v1
摘要
浆果大小是葡萄育种中最重要的果实性状之一。基于图像的非侵入式表型分析有望成为一种快速精确的葡萄浆果大小监测方法。本研究开发了一个自动化图像分析框架，以高通量方式从图像中估算葡萄浆果大小。该框架包括（i）检测可能为浆果的圆形结构，以及（ii）利用条件随机场将这些结构分类为“浆果”或“非浆果”类。该方法采用一类分类的思想，因为仅目标类“浆果”为关注对象且需被建模。此外，分类通过自动化主动学习方法进行，即分类过程中无需用户交互，且过程能自动适应变化的图像条件，例如光照或浆果颜色。该框架在三个数据集上进行了测试，共包含 139 张图像。图像根据 BBCH 尺度在实验葡萄园中葡萄生长的不同阶段拍摄。该框架估算的植株平均浆果大小与人工测量的浆果大小相关系数为 。
引用
@article{arxiv.1712.05647,
title = {Automated Image Analysis Framework for the High-Throughput Determination of Grapevine Berry Sizes Using Conditional Random Fields},
author = {Ribana Roscher and Katja Herzog and Annemarie Kunkel and Anna Kicherer and Reinhard Töpfer and Wolfgang Förstner},
journal= {arXiv preprint arXiv:1712.05647},
year = {2017}
}