基于深度学习的拟南芥叶片和角果的表型参数获取.pdfVIP

基于深度学习的拟南芥叶片和角果的表型参数获取 目录 摘要 i Abstract iii 1 前言1 1.1 研究背景及意义1 1.2 国内外研究进展2 1.2.1 作物表型研究进展2 1.2.2 图像分割方法研究4 1.2.3 目标检测方法研究7 1.3 研究内容和技术路线8 1.4 章节安排9 1.5 本章小结10 2 相关技术及关键理论介绍 11 2.1 卷积神经网络简介 11 2.2 卷积神经网络基本结构 11 2.3 深度学习目标检测13 2.4 深度学习图像分割16 2.4.1 语义分割16 2.4.2 实例分割17 2.5 目标检测常用概念17 2.6 本章小结19 3 基于Mask R-CNN 的拟南芥苗期叶片分割20 3.1 叶片数据来源20 3.2 叶片数据增强21 3.2.1 传统数据增强方法22 3.2.2 基于图像拼接的数据增强22 3.3 实验数据集制作27 3.4 拟南芥叶片分割算法设计及实验28 3.4.1 算法结构与步骤28 3.4.2 损失函数设计30 3.5 实验分析与结果可视化31 3.5.1 实验环境与超参设置31 3.5.2 实验结果与可视化32 3.6 本章小结35 I 华中农业大学2020 届硕士研究生学位（毕业）论文 4 基于改进Faster R-CNN 的拟南芥成熟期角果检测36 4.1 实验数据获取36 4.2 基于Faster R-CNN 的角果检测实验38 4.2.1 数据集预处理38 4.2.2 数据集标注与数据增强38 4.2.3 改进锚框尺寸的Faster R-CNN 检测算法实验40 4.3 改进非极大抑制算法实现原理41 4.4 改进旋转框角果检测算法原理43 4.4.1 改进原理43 4.4.2 数据标注与数据集制作45 4.5 实验结果可视化与分析46 4.5.1 实验环境与参数设置46 4.5.2 实验结果可视化与分析47 4.6 本章小结51 5 拟南芥表型参数测量52 5.1 拟南芥叶片表型参数测量52 5.1.1 叶片数53 5.1.2 叶片中心点获取54 5.1.3 叶片长度、宽度、面积测量56 5.2 拟南芥角果表型参数测量62 5.2.1 角果数62 5.2.2 角果长度、宽度、面积测量63 5.3 本章小结67 6 研究总结与展望68 6.1 总结68 6.2 研究展望69 参考文献70 II 基于深度学习的拟南芥叶片和角果的表型参数获取 摘要 作物表型研究揭示了基因组和环境的相互作用对