Deep Plant Phenomics: A Deep Learning Platform for Complex Plant Phenotyping Tasks.
Deep Plant Phenomics: A Deep Learning Platform for Complex Plant Phenotyping Tasks.
复制标题
DOI：
10.3389/fpls.2017.01190
复制
发表时间：
2017
影响因子：
5.6
通讯作者：
Stavness I
中科院分区：
文献类型：
--
作者：
Ubbens JR;Stavness I
近年来，植物表型组学越来越受到人们的关注，试图弥合基因型与表型之间的知识鸿沟。需要扩展的高通量表型分析能力以跟上来自高维成像传感器的数据量的增加以及测量更复杂的表型性状的期望（Knecht等人，）。在本文中，我们介绍了一个名为Deep Plant Phenomics的开源深度学习工具。该工具为几种常见的植物表型任务提供了预训练的神经网络，以及一个简单的平台，植物科学家可以使用该平台为自己的表型应用训练模型。我们报告的性能结果从文献中的三个植物表型基准，包括最先进的性能叶片计数，以及首次发表的结果为拟南芥的突变体分类和年龄回归任务。
Plant phenomics has received increasing interest in recent years in an attempt to bridge the genotype-to-phenotype knowledge gap. There is a need for expanded high-throughput phenotyping capabilities to keep up with an increasing amount of data from high-dimensional imaging sensors and the desire to measure more complex phenotypic traits (Knecht et al.,). In this paper, we introduce an open-source deep learning tool called Deep Plant Phenomics. This tool provides pre-trained neural networks for several common plant phenotyping tasks, as well as an easy platform that can be used by plant scientists to train models for their own phenotyping applications. We report performance results on three plant phenotyping benchmarks from the literature, including state of the art performance on leaf counting, as well as the first published results for the mutant classification and age regression tasks for Arabidopsis thaliana.
登录
查看更多内容
DOI：
10.3390/s141120078
发表时间：
2014-10-24
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Li L;Zhang Q;Huang D
通讯作者：
Huang D
影响因子：
6.9
作者：
Grosskinsky, Dominik K.;Svensgaard, Jesper;Roitsch, Thomas
通讯作者：
Roitsch, Thomas
影响因子：
7.4
作者：
Campbell, Malachy T.;Knecht, Avi C.;Walia, Harkamal
通讯作者：
Walia, Harkamal
HTPHENO：高通量植物表型的图像分析管道。
影响因子：
3
作者：
Hartmann A;Czauderna T;Hoffmann R;Stein N;Schreiber F
通讯作者：
Schreiber F
影响因子：
7.4
作者：
De Vylder, Jonas;Vandenbussche, Filip;Van Der Straeten, Dominique
通讯作者：
Van Der Straeten, Dominique