Анализ развития метёлки риса: Глубокое обучение и влияние азота
Традиционные методы фенотипирования растений неэффективны для крупномасштабного анализа. Современные методы компьютерного зрения, такие как алгоритм SIFT и свёрточные нейронные сети, помогают в анализе метёлки риса, но плохо отслеживают её динамический рост во времени.
В исследовании, опубликованном в Plant Phenomics в июне 2023 года, учёные создали конвейер для автоматического извлечения признаков метёлки из временных рядов изображений. В нём использовались модели YOLO v5 (для обнаружения), ResNet50 (для классификации) и DeepSORT (для отслеживания).
Ключевые результаты метода:
- Высокая точность подсчёта метёлок: R2 = 0.96, RMSE = 1.73.
- Точное определение даты колошения: абсолютная ошибка 0.25 дня.
- Модель на основе ResNet50 с высокой точностью отличала активно цветущие метёлки от неактивных.
- Примерно 70% метёлок отслеживались полностью и непрерывно, несмотря на изменения окружающей среды.
Влияние азота на развитие метёлки:
Анализ с помощью этого метода показал, что повышенное содержание азота приводит к:
- Увеличению количества метёлок.
- Более раннему началу цветения.
- Увеличению продолжительности цветения.
Исследование также выявило, что применение азота влияет на начало и продолжительность налива зерна.
Вывод: Предложенный конвейер представляет собой неразрушающий, точный и эффективный подход для получения признаков метёлки. Он открывает новые возможности для анализа фенотипов риса при различных обработках азотом и условиях окружающей среды.