期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向作物表型分析的大豆植株叶片语义重建
1
作者
高月芳
肖冬冬
+4 位作者
傅汝佳
冼楚华
李桂清
黄琼
杨存义
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期177-186,共10页
为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法:首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视...
为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法:首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。
展开更多
关键词
语义分割
植株三维建模
深度网络模型
点云语义重建
作物表型分析
下载PDF
职称材料
题名
面向作物表型分析的大豆植株叶片语义重建
1
作者
高月芳
肖冬冬
傅汝佳
冼楚华
李桂清
黄琼
杨存义
机构
华南农业大学数学与信息学院
华南理工大学计算机科学与工程学院
华南农业大学农学院
广州市智慧农业重点实验室
出处
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期177-186,共10页
基金
广东省重点研发项目(2020B020220008)
广州市科技计划项目(201902010081)。
文摘
为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法:首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。
关键词
语义分割
植株三维建模
深度网络模型
点云语义重建
作物表型分析
Keywords
semantic segmentation
three-dimensional modeling of plant
deep network model
semantic reconstruction of point cloud
phenotype analysis of crop
分类号
S126 [农业科学—农业基础科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向作物表型分析的大豆植株叶片语义重建
高月芳
肖冬冬
傅汝佳
冼楚华
李桂清
黄琼
杨存义
《华中农业大学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部