多模态分割网络

F1 0.93 冠层提取

融合RGB与红外图像的无人机图像分割模型，比传统网络更准更快地提取大豆冠层覆盖度。

Yu, Hui · Weng, Lin · 吴松权 · Jun, Wang · 徐晓刚 · Feng, Xiangzhong

Plant Phenomics 2024

参数信息

精确率

0.94

召回率

0.93

F1分数

0.93

技术优势

分割更准

RIFSeg-Net融合RGB和红外图像，相比传统分割网络在精度、召回率和F1分数上均有提升。

自动化区分叶型

利用分割结果结合SAM提取完整单叶，通过叶片长宽比实现大豆群体卵圆叶和披针叶品种的准确分类。

挖掘冠层动态性状

对分类后的品种进行动态建模，发现5个与冠层发育速率相关的表型性状在不同品种间存在显著差异。

应用场景

• 作物表型分析：用无人机影像自动提取冠层，替代人工测量，提高田间表型分析效率。
• 无人机遥感：提供一种多模态分割方法，充分利用RGB和红外数据，提升无人机遥感信息提取精度。
• 高通量植物表型平台：作为高通量表型平台的核心算法，快速处理无人机图像并输出冠层覆盖度。
• 植物工厂监测：可由无人机扩展到植物工厂内的多光谱监测，实现冠层动态的无接触评估。