Новый метод фенотипирования тополей с точностью 99% для анализа засухи
Исследователи разработали новый метод, сочетающий компьютерное зрение и глубокое обучение для фенотипирования саженцев тополя, подверженных засухе. Метод достиг 99% точности в идентификации сорта и 76% точности в классификации уровня стресса.
Высокоточный подход использует instance segmentation и multitask learning, обеспечивая точное обнаружение засухового стресса. Метод имеет большой потенциал для скрининга засухоустойчивых тополей и принятия решений о точном орошении.
Тополь (Populus L.) — быстрорастущее дерево, важное для производства древесины и защитных лесов. Засуха — ключевой фактор, ограничивающий рост, но традиционные методы выявления дефицита воды или отбора устойчивых сортов неэффективны.
Исследование, опубликованное в Plant Phenomics 21 июня 2024 года, использует компьютерное зрение и глубокое обучение для улучшения детекции засухового стресса.
Методология и результаты
- Для анализа использовались instance segmentation и цифровизация позы листа.
- Модель FasterRCNN применялась для сегментации листьев, средней жилки и черешков, показав более высокую производительность для листьев по метрике AP0.5. Модели YOLO лучше справились с детекцией жилки и черешка.
- Рассчитывались углы α и β, описывающие позу роста листа. Ошибки возникали только при неполной сегментации.
- Средняя абсолютная ошибка для угла черешка составила 10.7°, для угла средней жилки — 8.2°.
- Валидация на новом наборе данных показала, что большинство ошибок укладывается в диапазон [-5°, +5°].
- Метод подтвердил эффективность даже при обучении на симулированных данных, несмотря на отклонения в условиях сильной засухи.
- Анализ показал, что угол горизонтального наклона средней жилки больше подвержен влиянию засухи, чем угол черешка, что доказывает ценность метода для анализа состояния растения.
Значение и перспективы
Как отметил один из ведущих исследователей, Хуйчунь Чжан: «Методы фенотипирования растений, представленные в этом исследовании, могут быть далее использованы для скрининга засухоустойчивых растений тополя и принятия решений о точном орошении».
Исследование значительно сократило затраты на ручную аннотацию и продемонстрировало потенциал для точного обнаружения засухового стресса.
Будущая работа будет сосредоточена на повышении точности сегментации и применении этих методов к другим видам растений для улучшения управления в сельском хозяйстве.