MaizeEar-SAM：零样本玉米果穗表型分析
计算机视觉与模式识别
2025-02-20 v1
摘要
量化玉米（Zea mays L.）产量构成性状的变异，这些性状共同决定了这一全球重要作物的整体生产力，在植物遗传学研究、植物育种以及改进农业实践的发展中起着至关重要的作用。每英亩的粮食产量由每英亩植株数、每株果穗数、每穗粒数和平均粒重相乘计算得出。每穗粒数由每穗粒行数乘以每行粒数决定。传统的手工测量这两个性状的方法耗时费力，限制了大规模数据采集。近期使用图像处理和深度学习的自动化尝试遇到了标注成本高和泛化能力不确定等挑战。我们通过探索大型视觉模型进行零样本、免标注的玉米粒分割来解决这些问题。通过使用开源大型视觉模型 Segment Anything Model（SAM），我们在玉米果穗的 RGB 图像中分割出单个玉米粒，并应用基于图的算法来计算每行粒数。我们的方法成功地在广泛的玉米果穗范围内识别出每行粒数，展示了结合基础视觉模型与图像处理技术的零样本学习在提高农业数据采集自动化程度和减少主观性方面的潜力。我们所有的代码均已开源，使每个人都能使用这些经济实惠的表型分析方法。
引用
@article{arxiv.2502.13399,
title = {MaizeEar-SAM: Zero-Shot Maize Ear Phenotyping},
author = {Hossein Zaremehrjerdi and Lisa Coffey and Talukder Jubery and Huyu Liu and Jon Turkus and Kyle Linders and James C. Schnable and Patrick S. Schnable and Baskar Ganapathysubramanian},
journal= {arXiv preprint arXiv:2502.13399},
year = {2025}
}