关键词:
水稻
生长可视化预测
生成对抗网络
Pix2Pix-HD
数字植物
摘要:
植物生长建模与预测能模拟植物的生长过程,有助于生理学家和植物学家分析植物未来的生长模式,缩短试验周期、降低试验成本,受时间和条件限制的植物试验与研究指导。生长可视化预测能提供未来生长时间点的植物图像,能更逼真、直观地描述植物的生长过程。水稻作为重要的粮食作物,实现水稻的生长可视化预测,对水稻生长发育分析具有十分重要的意义。针对传统作物生长预测方法存在的视觉真实度和可视化效果较差等问题,本文提出了一种基于改进Pix2Pix-HD模型的多品种水稻生长可视化预测方法,利用数据驱动的方式,实现了对水稻抽穗期到灌浆期的高分辨率生长可视化预测,通过水稻抽穗期的图像预测灌浆期水稻生长图像。方法评估中,本文从视觉相似性、表型准确性和不同尺度评估模型预测性能,通过消融实验评估改进方法的有效性,并与现有研究进行比较。结果表明,测试集预测的灌浆期水稻图像与真实灌浆期水稻图像之间的FID、PSNR和SSIM值分别达到24.75、13.58和0.78,预测表型和真实表型相关系数的平均值为0.762,在不同尺度上都能保持较好的准确性。本文提出的基于数据驱动的水稻生长预测方法能够实现高分辨率和高视觉真实性的水稻生长可视化预测,为水稻生长预测提供了新思路。