基于Mask R-CNN的盆栽小麦单片叶长和株高提取研究

• 作者: 付晶波 施家伟 张俊 杨万能
• 来源期刊: 吉林农业大学学报
• 关键词: Mask R-CNN神经网络 实例分割 图像处理 性状提取 小麦
• 年，卷（期）: 2021,（2）
• 页码范围: 163-170
• 页数: 8页
• 分类号: S512.1|TP391.41
• 语种: 中文
• DOI: 10.13327/j.jjlau.2021.1134

摘要

小麦叶片和株高性状对功能基因解析、育种工作以及小麦生长状态分析都具有重要意义,而传统的人工检测提取性状的方法存在主观性强、效率低、提取性状不多的缺点,甚至还会影响小麦后续生长.为实现小麦叶长和株高性状的自动测量,提出了一种基于Mask R-CNN的小麦叶长和株高性状提取方法.Mask R-CNN是一种目标实例分割模型,主要是由Faster R-CNN、RoIAlign和FCN组成.基于高通量表型系统采集小麦幼苗图片,对小麦幼苗图片中茎秆进行标注,将标注图作为训练集投入Mask R-CNN网络进行训练,用已训练好的模型分割出mIoU达到72％的小麦茎秆图之后,结合相关的图像处理方法将叶片和茎秆进行分离,获取单片叶长和株高性状,然后将叶长和株高性状与人工测量数据进行对比分析.结果 表明:叶长性状的相关系数R2为0.8735,株高性状的相关系数R2为0.9828.研究基于Mask R-CNN实现盆栽小麦单片叶长和株高智能分析和精准提取,为小麦遗传改良育种提供了一种表型高通量智能分析方法.