基于阵列式ESP32-CAM的番茄根系表型原位测量方法

• Published in: 农业工程学报 Vol. 39; no. 18; pp. 172 - 182
• Main Authors: 孙国祥, 蔡嘉奇, 周新竹, 徐乃旻
• Format: Journal Article
• Language: Chinese
• Published: 南京农业大学工学院,南京 210031 01.09.2023; 江苏省现代设施农业技术与装备工程实验室,南京 210031%南京农业大学工学院,南京 210031
• Subjects: ESP32-CAM; image processing; 根系表型; 原位; U-Net; roots; tomato; in-situ; 根系; image stitching; 番茄; 图像处理; root phenotype; 图像拼接
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202305118

S24%TP391.4; 为原位采集番茄根系图像,解决番茄根系表型原位测量问题,该研究提出一种基于阵列式ESP32-CAM的番茄根系表型原位测量方法.通过4×4阵列式ESP32-CAM结合OV2640镜头模组实现土壤中根系图像原位自动化无线采集,并采用张正友标定法实现相机标定和畸变校正,利用尺度不变特征转换和最邻近分类的特征检测匹配算法实现图像配准,基于离线标定方法获取相机间变换矩阵实现根系图像拼接;通过引入多头自注意力机制改进U型卷积神经网络(U-architecture convolutional networks,U-Net)模型对根系图像进行语义分割,采用形态学处理和骨架提取测量根系长度、面积、平均直径、根深和根宽.研究结果表明:相机阵列图像的拼接迭代均方根误差小于1.11mm,全局拼接图像的拼接融合质量评分大于0.85;改进后的U-Net模型应用于番茄根系分割的精度、召回率、交并比和Fl值分别为86.06％、78.98％、71.41％和82.37％,相比于原始U-Net模型分别提高了18.97、13.21、21.67和16.30个百分点;与人工测量值相比,根系的面积、长度、平均直径、根深和根宽的平均绝对百分比误差分别为7.78％、5.66％、8.48％、2.40％和2.23％,决定系数R2分别为0.91、0.93、0.84、0.98和0.99.该方法适用于番茄根系表型原位测量,并可推广至其他植物或果树根系表型原位测量.