Ein Forschungsteam hat mithilfe der 3D-Anlagenmodellierungssoftware Helios ein Rahmenwerk zur Modellierung des Strahlungstransports entwickelt, um RGB-, Multi-/Hyperspektral-, Wärme- und Tiefenkamerabilder mit vollständig aufgelösten Referenzbeschriftungen zu simulieren. Diese innovative Methode verringert den Bedarf an arbeitsintensiven, manuell annotierten Datensätzen deutlich.
Die Fähigkeit des Frameworks, hochwertige synthetische Bilder zu erzeugen, ermöglicht ein effizientes Training von Deep-Learning-Modellen für die Durchsatz-Phänotypisierung von Pflanzen und verbessert so die Analyse von Nutzpflanzenmerkmalen. Darüber hinaus wird ein Instrument zur Weiterentwicklung landwirtschaftlicher Forschung und Fernerkundungsanwendungen bereitgestellt.
Die Integration von Methoden der Fern- und Nahfelderfassung ermöglicht die Überwachung von Pflanzensystemen mit hohem Durchsatz und liefert umfassende Einblicke in die Funktion der Pflanzen. Fortschritte in diesen Technologien haben zu zahlreichen hochauflösenden Bildern geführt, aber die Verknüpfung dieser Daten mit verwertbaren Pflanzenmerkmalen bleibt eine Herausforderung. Die aktuellen Methoden reichen für die erforderliche arbeitsintensive Datenannotation und multimodale Datenausrichtung nicht aus.
Eine Studie veröffentlicht In Pflanzenphänomenologie am 30. Mai 2024, zielt darauf ab, diese Herausforderungen durch die Entwicklung eines neuartigen 3D-Strahlungsübertragungsmodellierungsrahmens anzugehen.
Im Rahmen dieser Untersuchung wurde ein Strahlungsübertragungsmodell anhand verschiedener SKILL-Werte verifiziert, um dessen Genauigkeit bei der Simulation der von Objekten absorbierten Strahlung und der reflektierten Strahlungsströme zu bewerten. Die SKILL-Werte für verschiedene Tests (brfpp_uc_sgl, brfpp_co_sgl, brfop und fabs) lagen bei 98,00, 92,65, 97,52 bzw. 99,98 und zeigten damit die hohe Präzision des Modells.
Darüber hinaus lagen die R2-Werte für die Kamerakalibrierung zwischen 0,864 und 0,930, was auf eine effektive Verzerrungswiederherstellung und Farbkalibrierung hinweist. Mit dem Modell generierte synthetische Bilder, darunter RGB-, NIR- und Wärmebilder, zeigten eine hohe visuelle Ähnlichkeit mit realen Bildern und bestätigten damit die Fähigkeit des Modells, qualitativ hochwertige, annotierte Pflanzenbilder zu erstellen. Diese Erkenntnisse bestätigen die Wirksamkeit des Modells bei der Simulation komplexer Szenen und etablieren es als robustes Instrument für die Hochdurchsatz-Pflanzenphänotypisierung und das Training von Modellen des maschinellen Lernens.
Der leitende Forscher der Studie, Tong Lei, behauptet, dass Helios eine simulierte Umgebung bietet, die die Erstellung dreidimensionaler geometrischer Modelle von Pflanzen und Erde mit zufälligen Variationen sowie die Spezifikation oder Simulation ihrer Eigenschaften und Funktionen ermöglicht. Dieser Ansatz weicht von der traditionellen Computergrafik ab, da er die Physik der Strahlungsübertragung explizit modelliert und so eine entscheidende Verbindung zu den zugrunde liegenden biophysikalischen Prozessen der Pflanze herstellt.
Zusammenfassend stellt diese Studie ein Rahmenwerk zur Modellierung des Strahlungstransports unter Verwendung der Helios 3D-Software vor, um Pflanzenbilder, darunter RGB-, Multispektral-, Wärme- und Tiefenbilder, mit detaillierten Anmerkungen zu simulieren. Das Rahmenwerk reduziert den Bedarf an manueller Datenerfassung und verbessert das Training von Deep-Learning-Modellen für die Pflanzenphänotypisierung.
Zukünftige Entwicklungen werden die Modellflexibilität erhöhen und komplexere Prozesse einbeziehen. So werden sie die Durchsatzphänotypisierung und landwirtschaftliche Forschung voranbringen, indem sie eine effiziente Analyse von Pflanzenmerkmalen und physiologischen Zuständen ermöglichen.
Mehr Informationen:
Tong Lei et al., Simulation automatisch annotierter sichtbarer und multi-/hyperspektraler Bilder unter Verwendung des Helios 3D Plant and Radiative Transfer Modeling Framework, Pflanzenphänomenologie (2024). DOI: 10.34133/plantphenomics.0189