Модель DEKR-SPrior улучшает высокопроизводительный фенотипирование стручков и семян сои

Соя — важная сельскохозяйственная бобовая культура, богатая белком и маслом. Селекционеры стремятся повысить урожайность, улучшая такие признаки, как масса и форма семян, а также количество стручков. Современные исследования используют глубокое обучение (DL) для высокопроизводительного фенотипирования, однако традиционные методы трудоемки и подвержены ошибкам.

Методы DL на основе сегментации и детекции сталкиваются с трудностями при работе с плотными и перекрывающимися стручками. Для решения этих проблем внимание сместилось на точечные методы детекции, такие как P2PNet, для точного фенотипирования стручков и семян сои in situ.

Исследовательская группа разработала модель DEKR-SPrior для улучшения высокопроизводительного фенотипирования стручков и семян сои. Эта модель, которая повышает дискриминацию признаков с помощью нового модуля SPrior, значительно снижает среднюю абсолютную ошибку (MAE) при фенотипировании стручков по сравнению с существующими моделями.

Способность DEKR-SPrior точно подсчитывать и локализовать плотно упакованные стручки и семена обещает упростить процессы селекции сои, предлагая ценный инструмент для улучшения прогнозов урожайности и развития сельскохозяйственных исследований.

Сравнение производительности

В исследовании, опубликованном в Plant Phenomics 27 июня 2024 года, производительность модели DEKR-SPrior сравнивалась с четырьмя другими bottom-up моделями — Lightweight-OpenPose, OpenPose, HigherHRNet и оригинальным DEKR — на наборе данных из 205 обрезанных изображений растений сои высокого разрешения.

DEKR-SPrior продемонстрировала превосходную точность:

  • AP: 72.4%
  • AP50: 91.4%
  • AP(1-seeded): 71.7%
  • AP(2-seeded): 80.9%
  • AP(3-seeded): 85.6%
  • AP(4-seeded): 83.6%

По сравнению с оригинальным DEKR, модель DEKR-SPrior показала заметные улучшения по всем метрикам, особенно значительный рост AP для 2-семенных и 3-семенных стручков.

Ключевые результаты

  • Кривые Precision-Recall (PR) показали, что DEKR-SPrior сохраняет более высокую точность при заданных уровнях полноты, эффективно снижая количество пропущенных и ошибочных детекций.
  • Визуализация результатов подтвердила точную идентификацию и соединение позиций семян даже в плотно упакованных стручках.
  • Абляционный анализ подтвердил улучшение, обеспечиваемое модулем SPrior, с оптимальной производительностью при определенном значении гиперпараметра.
  • В тестах на полноразмерных изображениях DEKR-SPrior также превзошла другие модели, достигнув более низких значений MAE и более высоких коэффициентов корреляции Пирсона (PCC) как для подсчета семян, так и для подсчета стручков.

По словам ведущего исследователя Цзинцзин Хэ: «Эта статья продемонстрировала большой потенциал DEKR-SPrior для фенотипирования растений, и мы надеемся, что DEKR-SPrior поможет будущему фенотипированию растений».

Итог: Модель DEKR-SPrior достигла более высоких показателей точности и полноты, доказав свою эффективность в точном обнаружении и подсчете стручков и семян сои. В перспективе DEKR-SPrior обладает большим потенциалом для развития сельскохозяйственных исследований и селекционных программ, предоставляя более точный и эффективный метод фенотипирования признаков сельскохозяйственных культур. Модель может быть доработана и адаптирована для других культур, улучшая прогнозирование урожайности и способствуя продовольственной безопасности.

2024-07-08