基于条件生成对抗网络的大田甘蓝生长时序预测与评估
计算机视觉与模式识别
2023-12-07 v2 机器学习
神经与进化计算
摘要
农户常评估植株生长与长势，作为大田中施肥、除草或收获等农事决策的依据。植株生长预测是一大挑战，因其受众多且高度多变的环境因素影响。本文提出一种新颖监测方法，包含高通量成像传感器测量及其自动分析以预测未来植株生长。该方法核心是一种基于条件生成对抗网络(cGAN)的、基于机器学习的生成式生长模型，能够预测单株植株的未来表观。在以实验室培养拟南芥(Arabidopsis thaliana)与田间栽培花椰菜(cauliflower)的RGB时间序列图像实验中，我们表明该方法生成了真实、可靠且合理的未来生长阶段图像。通过基于神经网络的实例分割对生成图像自动解读，可推导出描述植株生长的多种表型性状。
引用
@article{arxiv.2105.07789,
title = {Temporal Prediction and Evaluation of Brassica Growth in the Field using Conditional Generative Adversarial Networks},
author = {Lukas Drees and Laura Verena Junker-Frohn and Jana Kierdorf and Ribana Roscher},
journal= {arXiv preprint arXiv:2105.07789},
year = {2023}
}
备注
38 pages, 10 figures, 2 tables