StomataSeg：用于 Sorghum stomatal 组件的半监督实例分割
计算机视觉与模式识别
2026-02-03 v1
摘要
Sorghum 是一种全球范围内重要的谷物作物，广泛生长于水分限制和易受胁迫的地区。其强韧性干旱容忍性使其成为气候韧性农业的优先作物。提高 Sorghum 的水分利用效率需要精确表征其 stomatal 性状，因为 stomata 对气体交换、蒸腾和光合作用的控制对作物性能影响巨大。 Sorghum stomata 的自动化分析困难，因为 stomata 较小（在禾本科作物如 Sorghum 中常小于 40 μm）且在不同基因型和叶表面形状变化。自动化分割有助于高通量 stomatal 表型分型，但现有方法仍面临与嵌套小结构和标注瓶颈相关的挑战。本文提出一种针对 Sorghum stomatal 组件分析的半监督实例分割框架。我们收集并标注了一个包含 11,060 片人工标注补丁的 Sorghum 叶片图像数据集，覆盖三个 stomatal 组成部分（孔、守护细胞和复合区域），并适用于多个基因型和叶表面。在高分辨率显微镜图像中拆分为重叠的小补丁，以提高对微小结构的检测。随后，我们应用伪标签策略对未标注的图像，生成额外的 56,428 片伪标签补丁。在语义和实例分割模型上进行基准测试，显示出显著的性能提升：对于语义模型，最高 mIoU 从 65.93% 提升至 70.35%，而对于实例模型，最高 AP 从 28.30% 提升至 46.10%。这些结果表明，结合基于补丁的预处理与半监督学习显著提高了细小 stomatal 结构的分割。该框架支持 Sorghum 性状的可扩展提取，并促进了作物科学中更广泛的 AI 驱动表型应用。
引用
@article{arxiv.2602.00703,
title = {StomataSeg: Semi-Supervised Instance Segmentation for Sorghum Stomatal Components},
author = {Zhongtian Huang and Zhi Chen and Zi Huang and Xin Yu and Daniel Smith and Chaitanya Purushothama and Erik Van Oosterom and Alex Wu and William Salter and Yan Li and Scott Chapman},
journal= {arXiv preprint arXiv:2602.00703},
year = {2026}
}