用于植物根系检测与分析的多图像超分辨率框架
计算机视觉与模式识别
2026-01-12 v1 新兴技术
摘要
理解植物根系对于推进土壤-植物相互作用、养分吸收和整体植物健康的研究至关重要。然而，由于遮挡、变化的土壤湿度和固有的低对比度等不利条件，地下环境中的根系精确成像仍然是一个持续的挑战，这些条件限制了传统基于视觉的方法的有效性。在这项工作中，我们提出了一种新颖的地下成像系统，该系统捕获植物根系的多个重叠视图，并集成了一个基于深度学习的多图像超分辨率（MISR）框架，旨在增强根系的可见性和细节。为了训练和评估我们的方法，我们构建了一个合成数据集，模拟了真实的地下成像场景，纳入了影响图像质量的关键环境因素。我们提出的 MISR 算法利用跨视图的空间冗余来重建具有更高结构保真度和视觉清晰度的高分辨率图像。定量评估表明，我们的方法优于最先进的超分辨率基线，在 BRISQUE 上实现了 2.3% 的降低，表明在相同的 CLIP-IQA 分数下图像质量得到了改善，从而能够增强对根系的表型分析。这反过来又促进了关键根系性状的准确估计，包括根毛数量和根毛密度。所提出的框架为农业和生态研究中的稳健自动地下植物根系成像和性状量化提供了一个有前景的方向。
引用
@article{arxiv.2601.05482,
title = {Multi-Image Super Resolution Framework for Detection and Analysis of Plant Roots},
author = {Shubham Agarwal and Ofek Nourian and Michael Sidorov and Sharon Chemweno and Ofer Hadar and Naftali Lazarovitch and Jhonathan E. Ephrath},
journal= {arXiv preprint arXiv:2601.05482},
year = {2026}
}