Un algoritmo de segmentación precisa de nubes de puntos de plántulas de calabaza basado en CPHNet
Autores: Deng, Qiaomei; Zhao, Junhong; Li, Rui; Liu, Genhua; Hu, Yaowen; Ye, Ziqing; Zhou, Guoxiong
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un algoritmo de segmentación precisa de nubes de puntos de plántulas de calabaza basado en CPHNet
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Segmentación
Plántulas de calabaza
Datos de nubes de puntos
Forma del tallo
Precisión
CPHNet
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
La segmentación precisa del tallo de las plántulas de calabaza tiene una gran influencia en la modernización del cultivo de calabazas y puede proporcionar un soporte de datos detallado para el crecimiento de las plantas de calabaza. Por primera vez, recopilamos y construimos un conjunto de datos de nubes de puntos de plántulas de calabaza. La tierra para macetas y el fondo de la pared en los datos de nubes de puntos a menudo interfieren con la precisión del corte parcial de los tallos de las plántulas de calabaza. La forma del tallo de las plántulas de calabaza varía debido a otros factores ambientales durante la etapa de crecimiento. El tallo de la plántula de calabaza está estrechamente conectado con la tierra para macetas y las hojas, y el límite del tallo se difumina fácilmente. Estos problemas presentan desafíos para la segmentación precisa de los tallos de nubes de puntos de plántulas de calabaza. En este artículo, se propone un algoritmo de segmentación precisa para los tallos de nubes de puntos de plántulas de calabaza basado en CPHNet. Primero, se propone un módulo de perceptrón multicapa de atención residual de canal (CRA-MLP), que suprime la interferencia del fondo, como la tierra. En segundo lugar, se propone un mecanismo de autoatención mejorada por posición (PESA), que permite al modelo adaptarse a diversas morfologías de los tallos de datos de nubes de puntos de plántulas de calabaza. Finalmente, se propone una función de pérdida híbrida de pérdida de entropía cruzada y pérdida de dice (HCE-Dice Loss) para abordar el problema de los límites difusos del tallo. Los resultados experimentales muestran que CPHNet logra un 90.4% de tasa promedio de cruce a fusión (mIoU), un 93.1% de precisión promedio (mP), un 95.6% de tasa de recuperación promedio (mR), un 94.4% de puntuación F1 (mF1) y 0.03 plantas/segundo (velocidad) en el conjunto de datos autoconstruido. En comparación con otros modelos de segmentación populares, este modelo es más preciso y estable para cortar la parte del tallo de la nube de puntos de las plántulas de calabaza.
Descripción
La segmentación precisa del tallo de las plántulas de calabaza tiene una gran influencia en la modernización del cultivo de calabazas y puede proporcionar un soporte de datos detallado para el crecimiento de las plantas de calabaza. Por primera vez, recopilamos y construimos un conjunto de datos de nubes de puntos de plántulas de calabaza. La tierra para macetas y el fondo de la pared en los datos de nubes de puntos a menudo interfieren con la precisión del corte parcial de los tallos de las plántulas de calabaza. La forma del tallo de las plántulas de calabaza varía debido a otros factores ambientales durante la etapa de crecimiento. El tallo de la plántula de calabaza está estrechamente conectado con la tierra para macetas y las hojas, y el límite del tallo se difumina fácilmente. Estos problemas presentan desafíos para la segmentación precisa de los tallos de nubes de puntos de plántulas de calabaza. En este artículo, se propone un algoritmo de segmentación precisa para los tallos de nubes de puntos de plántulas de calabaza basado en CPHNet. Primero, se propone un módulo de perceptrón multicapa de atención residual de canal (CRA-MLP), que suprime la interferencia del fondo, como la tierra. En segundo lugar, se propone un mecanismo de autoatención mejorada por posición (PESA), que permite al modelo adaptarse a diversas morfologías de los tallos de datos de nubes de puntos de plántulas de calabaza. Finalmente, se propone una función de pérdida híbrida de pérdida de entropía cruzada y pérdida de dice (HCE-Dice Loss) para abordar el problema de los límites difusos del tallo. Los resultados experimentales muestran que CPHNet logra un 90.4% de tasa promedio de cruce a fusión (mIoU), un 93.1% de precisión promedio (mP), un 95.6% de tasa de recuperación promedio (mR), un 94.4% de puntuación F1 (mF1) y 0.03 plantas/segundo (velocidad) en el conjunto de datos autoconstruido. En comparación con otros modelos de segmentación populares, este modelo es más preciso y estable para cortar la parte del tallo de la nube de puntos de las plántulas de calabaza.