波多野结衣vs黑人巨大|波多野结衣av一区二区全免费观看|波多野结衣美乳人妻,一区精品在线,狠狠色丁香婷综合久久,悠悠色综合



        

            

            


                

            

                
            
            
            
            
            

            
    
            
    
            
    基于無人機(jī)傳感器和多模態(tài)分割法的二化螟脅迫快速檢測(cè)

            
    

            
    
            
    
            
    發(fā)布時(shí)間：

            
    
            2025-07-02
            
    
            
    來源：

            
    
            
    

            
    
            
    作者：

            
    
            
    

            

            
    
            水稻二化螟(Chilo suppressalis，SSB)）是威脅水稻產(chǎn)量的主要害蟲。雖然無人駕駛飛行器(Unmanned aerial vehicle，UAV)技術(shù)在作物SSB脅迫監(jiān)測(cè)方面已顯示出潛力，但目前的方法主要依賴于單模態(tài)光學(xué)數(shù)據(jù)，特別是RGB圖像，從而限制了對(duì)SSB侵染引起的多維表型變化的綜合評(píng)估。為了解決這一限制，開發(fā)了一種新的多模態(tài)感染分割網(wǎng)絡(luò)(Multimodal Infestation Segmentation Network，MISeg-Net)，它采用了雙分支架構(gòu)，以協(xié)同集成RGB光學(xué)特征和數(shù)字表面模型(digital surface models，DSM)結(jié)構(gòu)特征。該網(wǎng)絡(luò)的創(chuàng)新設(shè)計(jì)將雙阿特魯空間金字塔池(Dual Atrous Spatial Pyramid Pooling，DASPP)與多視角注意力機(jī)制相結(jié)合，有助于多尺度上下文特征提取和自適應(yīng)跨模態(tài)特征優(yōu)化。這種先進(jìn)的架構(gòu)顯著提高了復(fù)雜冠層環(huán)境中蟲害感染區(qū)域的識(shí)別精度，有效克服了傳統(tǒng)算法在多模態(tài)特征融合效率和識(shí)別精度方面的限制。實(shí)驗(yàn)評(píng)估表明，MISeg-Net的性能優(yōu)于傳統(tǒng)的單模態(tài)模型(U-Net、PSPNet)，mIoU為91.77%，PAcc為97.48%，F(xiàn)1-score為98.66%。此外，從分割得到的害蟲侵襲面積比與人工測(cè)量有很強(qiáng)的相關(guān)性(R² = 0.859)。該研究為利用基于UA V的技術(shù)精確監(jiān)測(cè)二化螟的侵?jǐn)_提供了一種有效的解決方案。
            


              
            


            

            圖1  (a)和(b)研究區(qū)域的地理位置；(c)兩種不同蟲害控制處理下研究區(qū)域的正射影像和分布；(d) DJI Phantom 4多光譜RTK版；(e)研究區(qū)域的部分RGB和多光譜圖像。
            

            


            

             
            

            


            

             圖2 不同生長(zhǎng)期研究區(qū)域的UAV圖像：(a)和(b)穗發(fā)育，(c)開花，(d)灌漿，(e)成熟。
            

            


            

             
            

            


            

            圖3  研究區(qū)域一部分的正射影像和地面照片。
            

            


            

             
            

            


            

            圖4  MISeg-Net的體系結(jié)構(gòu)。
            

            


            

             
            

            


            

            圖5  稻田在不同生長(zhǎng)階段的DSM：(1)穗發(fā)育，(2)開花，(3)灌漿，(4)成熟。
            

            


            

             
            

            


            

             圖6  不同生長(zhǎng)期健康稻田與受害稻田DSM反射率值的比較分析。
            

            


            

             
            

            


            

             圖7  測(cè)試集中所選樣本的分割結(jié)果。
            

            


            

             
            

            


            

             圖8  用MISeg-Net模型計(jì)算蟲害發(fā)生率(a)和人工測(cè)量的蟲害發(fā)生率與死亡率的相關(guān)性分析(b)
            

            


             
            


            來 源
            


            

            

            

            

            

            

            Chu, B., Guo, Z., Liu, B. et al. (2025) Fast detection of rice striped stem borer (Chilo suppressalis) stress based on UAV sensor and multimodal segmentation method. Plant Growth Regulation. 
            


             
            

            

            

            

            


            

            

            

            

            編輯
            

            

            

            


            

            

            王春穎
            

            

            

            

            

            

            



            

            

            

            
 
            
            
            

            
    
            
        推薦新聞

            
    
            
        
            
    
    
            
        
    石時(shí)之約|韓志國(guó)：透過表型數(shù)據(jù)，看見植物的喜怒哀樂！
        

            
    本期石時(shí)之約，我們將對(duì)話慧諾瑞德（北京）科技有限公司總經(jīng)理、國(guó)際植物表型學(xué)會(huì)（IPPN）執(zhí)委會(huì)委員/工業(yè)分會(huì)副主席韓志國(guó)，一起從表型數(shù)據(jù)的科學(xué)角度，去讀懂農(nóng)作物的喜怒哀樂和前世今生。

            

            
        
            
    
    
            
        
    慧科研、慧育種、慧種田——慧聚改變的力量
        

            
    讓我們“慧聚”在一起，為“慧科研、慧育種、慧種田”賦能。

            

            
        
            
    
    
            
        
    高通量植物表型平臺(tái)建設(shè)注意事項(xiàng)
        

            
    育種，是在給定的環(huán)境條件下，選擇各種表型指標(biāo)(產(chǎn)量、品質(zhì)、抗性)最優(yōu)的基因型材料的過程(AI育種，從這里起步)。育種工作中大約70%的工作量來自表型觀察測(cè)量和篩選，是最耗人力物力的過程。

            

            
        
            
    
    
            
        
    作物生理表型測(cè)量基礎(chǔ)原理
        

            
    生理表型測(cè)量的核心在于“早、快”，要在肉眼可見之前就能測(cè)量并預(yù)判出變化趨勢(shì)，才是這個(gè)技術(shù)的核心價(jià)值。葉綠素?zé)晒獬上瘢『脻M足了這個(gè)要求。