基于表型参数的蘑菇数量估算方法:一种多模型分析(应用于Oudemansiella raphanipies)
《Agronomy》:A Pipeline for Mushroom Mass Estimation Based on Phenotypic Parameters: A Multiple Oudemansiella raphanipies Model
【字体:
大
中
小
】
时间:2026年01月05日
来源:Agronomy 3.4
摘要
快速准确地估计Oudemansiella raphanipies的质量对于优化收获后的包装流程至关重要。传统方法通常包括手动分级,然后使用天平进行称重,这种方法效率低下且劳动强度大。为了解决实际生产中遇到的挑战,我们在本研究中开发了一种新的流程来估计多个Oudemansiella raphanipies的质量。为此,我们引入了一种改进的深度学习(DL)算法用于实例分割,以及一个机器学习(ML)模型用于质量预测。一方面,为了在同一图像中分割多个样本,我们应用了一种名为FinePoint-ORSeg的新实例分割网络,通过集成边缘注意力模块来提高边缘的精细度。另一方面,对于单个样本,我们采用了一种新的冠部-茎部分割方法,并获得了18个表型参数。此外,还利用主成分分析(PCA)来减少特征之间的冗余。结合上述两个方面,我们使用包含七个主成分的指数GPR模型来计算质量。在分割性能方面,我们的模型优于原始的Mask R-CNN;、、和的性能分别提高了2%、0.7%、1.9%和0.3%。此外,我们的模型还优于其他网络,如YOLACT、SOLOV2和带Swin的Mask R-CNN。在质量估计方面,结果显示单个样本在不同姿态下的平均变异系数(CV)为6.81%,多个样本的平均绝对百分比误差(MAPE)为8.53%。总体而言,实验结果表明,所提出的方法节省时间、无损且准确。这可以为Oudemansiella raphanipies的收获后包装技术研究提供参考。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号