English | 中文版 | 手機(jī)版 企業(yè)登錄 | 個(gè)人登錄 | 郵件訂閱
當(dāng)前位置 > 首頁(yè) > 技術(shù)文章 > 注意力機(jī)制和多任務(wù)解碼器高適用性的基于過(guò)程的作物裁剪建模研究

注意力機(jī)制和多任務(wù)解碼器高適用性的基于過(guò)程的作物裁剪建模研究

瀏覽次數(shù):685 發(fā)布日期:2023-5-24  來(lái)源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負(fù)

Plant Phenomics | 注意力機(jī)制和多任務(wù)解碼器高適用性的基于過(guò)程的裁剪建模


作物模型是為了廣泛的研究目的和規(guī)模而發(fā)展起來(lái)的,但由于目前模型研究的多樣性,其兼容性較差。提高模型的適應(yīng)性可以導(dǎo)致模型的集成。由于深度神經(jīng)網(wǎng)絡(luò)沒(méi)有常規(guī)的建模參數(shù),因此通過(guò)模型訓(xùn)練可以實(shí)現(xiàn)不同的輸入和輸出組合。盡管有這些優(yōu)點(diǎn),基于過(guò)程的作物模型還沒(méi)有在全深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行測(cè)試。
 

2023年3月,Plant Phenomics在線發(fā)表了韓國(guó)Seoul National University題為Process-Based Crop Modeling for High Applicability with Attention Mechanism and Multitask Decoders的研究論文。
 

本研究的目的在于為水培甜椒 (Capsicum annuum var. annuum) 開(kāi)發(fā)一個(gè)基于過(guò)程的深度學(xué)習(xí)模型DeepCrop,其具有完整的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。基于深度神經(jīng)網(wǎng)絡(luò)的適用性,DeepCrop可以應(yīng)用于各種目的和規(guī)模。從環(huán)境序列中選擇注意力機(jī)制和多任務(wù)學(xué)習(xí)來(lái)處理不同的生長(zhǎng)因子。對(duì)算法進(jìn)行了改進(jìn),使之適用于生長(zhǎng)模擬的回歸任務(wù)。在不同條件下,每年在溫室培養(yǎng)2次,共培養(yǎng)4株,為期2年。在2020年至2021年的四個(gè)培養(yǎng)期進(jìn)行模型訓(xùn)練、驗(yàn)證和測(cè)試。
 

DeepCrop的核心算法是注意力機(jī)制;因此,模型訓(xùn)練和評(píng)估過(guò)程有所不同。在訓(xùn)練過(guò)程中,DeepCrop被輸入了一系列環(huán)境數(shù)據(jù)、以前的生長(zhǎng)因子和目標(biāo)輸出。由于之前的生長(zhǎng)因子在實(shí)際模擬中并不同時(shí)存在,因此DeepCrop輸出遞歸地替換了之前的生長(zhǎng)因子。選取輸出序列的最后一個(gè)輸出向量作為每日預(yù)測(cè)輸出。2020年的數(shù)據(jù)用于訓(xùn)練和驗(yàn)證數(shù)據(jù)集,2021年的數(shù)據(jù)用于測(cè)試數(shù)據(jù)集。利用環(huán)境數(shù)據(jù)計(jì)算積溫和輻射;因此,在實(shí)踐中,將累積輸入因子替換為實(shí)測(cè)數(shù)據(jù)來(lái)指導(dǎo)訓(xùn)練后的DeepCrop;但是,在模型訓(xùn)練中,為了防止訓(xùn)練失敗,沒(méi)有替換這些值。訓(xùn)練、驗(yàn)證和測(cè)試數(shù)據(jù)集中的數(shù)據(jù)數(shù)量分別為18,900、8,100和254。
 

Figure1. Modeling and simulation workflows.
 

Figure 2. Modeling concept. Target crop growth and morphology were abstracted as one-big organs. Averages can be calculated with total values and the number of organs.
 

Figure 3. Data processing sequence. Refer to Figure. 1 for the detailed DeepCrop structure.

Figure 4. Simulation results from DeepCrop.


與具有未發(fā)現(xiàn)數(shù)據(jù)的評(píng)估中可訪問(wèn)的作物模型相比,開(kāi)發(fā)的作物模型DeepCrop記錄了最高的建模效率(=0.76)和最低的歸一化均方誤差(=0.18)。t-分布隨機(jī)鄰域嵌入(t-distributed stochastic neighbor embedding distribution)和注意力權(quán)重支持DeepCrop可以從認(rèn)知能力的角度進(jìn)行分析。憑借DeepCrop的高度適應(yīng)性,所開(kāi)發(fā)的模型可以取代現(xiàn)有的作物模型,成為一種多功能工具,通過(guò)分析復(fù)雜信息來(lái)揭示復(fù)雜的農(nóng)業(yè)系統(tǒng)。
 

Figure 5. Model performance of existing models.


論文鏈接:

https://doi.org/10.34133/plantphenomics.0035


——推薦閱讀——

Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images

https://spj.science.org/doi/10.34133/plantphenomics.0020‍

Plant Phenomics | 基于高通量無(wú)人機(jī)RGB圖像的水稻植株計(jì)數(shù)、定位和大小估計(jì)方法

A Precise Image-Based Tomato Leaf Disease Detection Approach Using PLPNet

https://doi.org/10.34133/plantphenomics.0042

Plant Phenomics | 中南林業(yè)科技大學(xué)周國(guó)雄教授團(tuán)隊(duì)基于PLPNet的番茄葉片病害圖像精確檢測(cè)方法


加入作者交流群

掃碼添加小編微信,拉您進(jìn)入《植物表型組學(xué)》作者交流群,群內(nèi)不定期開(kāi)展作者分享會(huì)、?l(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信,備注姓名+單位+PP,加入作者交流群


About Plant Phenomics

《植物表型組學(xué)》(Plant Phenomics)是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)(AAAS)合作創(chuàng)辦的英文學(xué)術(shù)期刊,于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式,刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù),基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究,提取表型信息的新算法,作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用,與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究,表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2021影響因子為6.961,位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)、遙感二區(qū)、生物大類一區(qū)(TOP期刊)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說(shuō)明:本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考,一切內(nèi)容以英文原版為準(zhǔn)。
排版:陳文麗(南京農(nóng)業(yè)大學(xué))
審核:孔敏、王平

發(fā)布者:北京博普特科技有限公司
聯(lián)系電話:010-82794912
E-mail:1206080536@qq.com

用戶名: 密碼: 匿名 快速注冊(cè) 忘記密碼
評(píng)論只代表網(wǎng)友觀點(diǎn),不代表本站觀點(diǎn)。 請(qǐng)輸入驗(yàn)證碼: 8795
Copyright(C) 1998-2025 生物器材網(wǎng) 電話:021-64166852;13621656896 E-mail:info@bio-equip.com