Rapid online plant leaf area change detection with high-throughput plant image data
Rapid online plant leaf area change detection with high-throughput plant image data
复制标题
利用高通量植物图像数据快速在线植物叶面积变化检测
DOI：
10.1080/02664763.2022.2150753
复制
发表时间：
2022
影响因子：
1.5
通讯作者：
Ge, Yufeng
中科院分区：
文献类型：
--
作者：
Zhan, Yinglun;Zhang, Ruizhi;Zhou, Yuzhen;Stoerger, Vincent;Hiller, Jeremy;Awada, Tala;Ge, Yufeng
高通量植物表型分析（HTPP）以其快速、省力、准确、无损等优点，成为一种新兴的植物性状研究技术。它在植物育种和作物管理中有着广泛的应用。然而，由此产生的海量图像数据给有效的植物性状预测和异常检测带来了挑战。本文提出了一种基于两步图像的在线检测框架，利用实时成像数据对植物单株叶面积进行监测和快速变化检测。在一定的虚警率约束下，我们的方法能够实现比一些基线方法更小的检测延迟。此外，它不需要存储所有过去的图像信息，可以实时实现。通过实际数据分析验证了该框架的有效性。
High-throughput plant phenotyping (HTPP) has become an emerging technique to study plant traits due to its fast, labor-saving, accurate and non-destructive nature. It has wide applications in plant breeding and crop management. However, the resulting massive image data has raised a challenge associated with efficient plant traits prediction and anomaly detection. In this paper, we propose a two-step image-based online detection framework for monitoring and quick change detection of the individual plant leaf area via real-time imaging data. Our proposed method is able to achieve a smaller detection delay compared with some baseline methods under some predefined false alarm rate constraint. Moreover, it does not need to store all past image information and can be implemented in real time. The efficiency of the proposed framework is validated by a real data analysis.
登录
查看更多内容
DOI：
10.2135/tppj2017.09.0007
发表时间：
2017-09
期刊：
bioRxiv
影响因子：
--
作者：
Yuhang Xu;Yumou Qiu;James c. Schnable
通讯作者：
Yuhang Xu;Yumou Qiu;James c. Schnable
灯
DOI：
10.1515/9781503602977-002
发表时间：
2020
期刊：
Behind the Laughs
影响因子：
--
作者：
C. Brignell
通讯作者：
C. Brignell
重新审视相对植物生长：迈向不同方法的数学标准化
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
A. Pommerening;Anders Muszta
通讯作者：
Anders Muszta
用于分布式监控大规模数据流的可扩展 SUM 收缩方案
DOI：
10.5705/ss.202015.0316
发表时间：
2016
期刊：
arXiv: Methodology
影响因子：
--
作者：
Kun Liu;Ruizhi Zhang;Y. Mei
通讯作者：
Y. Mei