基于 U-Net 的土壤根系分割
计算机视觉与模式识别
2019-03-19 v2
摘要
植物根系研究可提供一条途径，以获得在多样条件下具有更高产量且耐逆的作物。土壤中根系的表型分析通常具有挑战性，因为根系难以接触且使用耗时的人工方法。根窗（rhizotrons）允许通过透明表面对根系生长进行视觉检查。农学家目前使用线相交法手动标注从根窗获取的根系照片，以获得对其实验至关重要的根长密度与扎根深度测量值。我们研究了一种基于 U-Net 卷积神经网络（CNN）架构的自动图像分割方法以实现此类测量。我们设计了一个包含 50 张标注菊苣（Cichorium intybus L.）根系图像的数据集，用于训练、验证和测试该系统，并与使用 Frangi 血管ness 滤波器的基线进行比较。我们使用人工标注与线相交计数获得指标。我们在留出数据上的结果表明，我们提出的自动分割系统是检测和量化根系的可行方案。我们使用 867 张已获得线相交计数的图像评估系统，得到斯皮尔曼秩相关 0.9748 与 0.9217。在将自动分割与人工标注比较时，我们还取得了 0.7 的 ，且我们的自动分割系统在大片图像区域上生成的分割质量高于人工标注。
引用
@article{arxiv.1902.11050,
title = {Segmentation of Roots in Soil with U-Net},
author = {Abraham George Smith and Jens Petersen and Raghavendra Selvan and Camilla Ruø Rasmussen},
journal= {arXiv preprint arXiv:1902.11050},
year = {2019}
}