Метод на основе глубокого обучения для высокоточного обнаружения устьиц и анализа проводимости

Устьица играют ключевую роль в регуляции водного обмена и поглощения CO₂ у растений, влияя на фотосинтез. Традиционный анализ был ручным и подверженным ошибкам, но методы глубокого обучения (DL), такие как DCNN, были внедрены для улучшения обнаружения и измерений. Однако этим передовым методам по-прежнему сложно точно рассчитывать параметры устьиц из-за их случайной ориентации, что требует дополнительной обработки изображений.

В журнале Plant Phenomics была опубликована статья "Rotating Stomata Measurement Based on Anchor-Free Object Detection and Stomata Conductance Calculation".

В работе представлен метод DeepRSD, основанный на глубоком обучении и предназначенный для обнаружения повёрнутых устьиц и расчёта их параметров. Благодаря включению функции потерь для проводимости устьиц, DeepRSD достигает точности в 94.3% для устьиц листьев кукурузы, улучшая как обнаружение, так и расчёт проводимости.

Метод начинается с предобработки изображений, включая геометрическую коррекцию и стандартизацию разрешения. Ручная разметка данных критически важна для обучения и выполняется с помощью ПО, например labelimg2, для определения устьиц с помощью наименьших ограничивающих прямоугольников.

Для обучения использовалось 2192 изображения листьев кукурузы, расширенных до 24112 с помощью аугментации данных. Алгоритм оптимизации AdamW в сочетании с определённой настройкой скорости обучения и программным окружением с ускорением на GPU обеспечивает эффективное обучение.

Для оптимизации точности модели используются пять различных функций потерь: для тепловой карты, ширины-высоты, смещения, угла и проводимости устьиц. Результаты показывают, что после 20 эпох DeepRSD значительно превосходит другие модели по точности (precision), полноте (recall) и F1-мере. Однако остаются проблемы, такие как пропуски обнаружения и ложные срабатывания из-за примесей на листе или похожих объектов. Будущие улучшения направлены на повышение точности распознавания.

В заключение исследование утверждает, что безанкерное обнаружение и быстрый расчёт в DeepRSD делают его ценным инструментом для крупномасштабного анализа параметров и проводимости устьиц.

Этот метод не только повышает эффективность и точность, но и позволяет глубже понять реакцию устьиц на стрессоры окружающей среды, помогая исследованиям урожайности культур и устойчивости растений. Хотя в настоящее время метод сфокусирован на листьях кукурузы, он потенциально применим и к другим однодольным растениям, предлагая ботаникам комплексный инструмент для исследований.