深度学习：植物育种中豆荚内籽粒数量的估算

植物育种过程中需要测量大量的表型性状，从中评估一些有用的性状。目前，表型测量是典型的手工操作，成本高、耗时，且精准性差。因此，研究人员开发出了一种潜在的表型性状测量解决方案，即计算机视觉技术。近年来，深度学习，尤其是卷积神经网络(CNN)，在这一领域已显示出许多优于传统方法的优点。

豆荚中籽粒数量的估算是一项困难的任务，通常需要对每个豆荚进行人工视觉检查。本文介绍了Uzal等人开发的一种基于标准CNN的深度学习方法。该方法解决了大豆豆荚内籽粒数量的估算难题，并展示了如何使用简单方法来可视化模型得到的关键特征，从而筛选出正确的结果。在文中，Uzal等人还对超参数选择如何影响CNN的表现进行了广泛的研究。

表1样品数量

图1 用于构建数据集的豆荚样本图片

图2 图片分割后得到的豆荚图片

图3 图片预处理后得到的豆荚图片

Uzal等人利用CNN处理不同季节的豆荚图片，并与基于定制特征提取(FE)和支持向量机(SVM)分类模型的经典方法进行对比，在测试中获得了86.2% (CNN)和50.4% (FE+ SVM)的准确率。结果表明：在豆荚籽粒数量估算任务中，深度学习方法比传统机器视觉方法表现更佳，优势明显。

图4 本文选择的卷积神经网络的结构

图5 CNN训练的超参数随机搜索

表2不同训练方法的准确性

图6训练曲线

图7 典型样本可视化(

绿色表示正相关，红色表示负相关)

图8在样品的可视化中，轮廓起着重要的作用

全文阅读

Uzal LC, Grinblat G L, Namías R,et al.Seed-per-pod estimation for plant breeding using deep learning. Computers and Electronics in Agriculture, 2018:150:196-204.