搜索
确认
取消
当前位置:
首页
/
/
/
基于光流分析和机器学习的植物叶片动态生长预测模型

基于光流分析和机器学习的植物叶片动态生长预测模型

【概要描述】本研究利用光流分析中提取的特征,建立的增长预测模型具有较好的预测效果,此外,本研究还考虑了一个能够自动分析植物图像的表型系统,使该生长预测模型在商业植物工厂中得到广泛应用。

基于光流分析和机器学习的植物叶片动态生长预测模型

【概要描述】本研究利用光流分析中提取的特征,建立的增长预测模型具有较好的预测效果,此外,本研究还考虑了一个能够自动分析植物图像的表型系统,使该生长预测模型在商业植物工厂中得到广泛应用。

  • 分类:行业动态
  • 作者:
  • 来源:
  • 发布时间:2019-03-27 14:10
  • 访问量:
详情

稳定生产力是工厂面临的一个重要问题。因此,研究人员一直在研究增长预测,总体目标是提高生产率。植物的投影面积(PA)通常用于生长预测,通过观察植物的整体近似运动来估计植物的生长。为解决这一问题,本文以植物叶片的时间序列运动为研究对象,利用光流(OF)分析来获取生菜叶片的时间序列运动信息。光流分析是一种图像处理方法,提取由于主体运动引起的连续两帧之间的差值

工业厂房多设备成像系统(MPI)

分析总结以及法向量分析的概念图

本实验在某大型工业厂房进行。在9天内(播种后6~15天),每隔20分钟拍摄338株幼苗的图像。然后,通过计算OF分析中的法向量,从图像中提取叶片运动特征,并将这些特征应用于机器学习,以预测收获时(播种后38天)生菜的鲜重。利用分析中提取的特征,建立的增长预测模型具有较好的预测效果,相关系数为0.743此外,本研究还考虑了一个能够自动分析植物图像的表型系统,使该生长预测模型在商业植物工厂中得到广泛应用

单台设备使用OF的时间序列分析结果

利用机器学习方法预测鲜重

来源:Front. Plant Sci.Leaf-Movement-Based Growth Prediction Model Using Optical Flow Analysis and Machine Learning in Plant Factory.Shogo Nagano, Shogo Moriyuki, Kazumasa Wakamori, Hiroshi Mineno and Hirokazu Fukuda.https://doi.org/10.3389/fpls.2019.00227

更多资讯

新闻分类

友情链接:

红星杨科技
红星杨科技

服务热线

027-8786 0098

周一至周五 8:30-17:30