ترجمه فارسی مقاله تخمین زاویه برگ با استفاده از Mask R-CNN و LETR Vision Transformer

چکیده

Modern day studies show a high degree of correlation between high yielding crop varieties and plants with upright leaf angles. It is observed that plants with upright leaf angles intercept more light than those without upright leaf angles, leading to a higher rate of photosynthesis. Plant scientists and breeders benefit from tools that can directly measure plant parameters in the field i.e. on-site phenotyping. The estimation of leaf angles by manual means in a field setting is tedious and cumbersome. We mitigate the tedium using a combination of the Mask R-CNN instance segmentation neural network, and Line Segment Transformer (LETR), a vision transformer. The proposed Computer Vision (CV) pipeline is applied on two image datasets, Summer 2015-Ames ULA and Summer 2015- Ames MLA, with a combined total of 1,827 plant images collected in the field using FieldBook, an Android application aimed at on-site phenotyping. The leaf angles estimated by the proposed pipeline on the image datasets are compared to two independent manual measurements using ImageJ, a Java-based image processing program developed at the National Institutes of Health and the Laboratory for Optical and Computational Instrumentation. The results, when compared for similarity using the Cosine Similarity measure, exhibit 0.98 similarity scores on both independent measurements of Summer 2015-Ames ULA and Summer 2015-Ames MLA image datasets, demonstrating the feasibility of the proposed pipeline for on-site measurement of leaf angles.

چکیده به فارسی (ترجمه ماشینی)

مطالعات روز مدرن نشان می دهد میزان بالایی از همبستگی بین انواع محصولات زراعی و گیاهان با زوایای برگ قائم.مشاهده می شود که گیاهان با زاویه برگ قائم نور بیشتری نسبت به آنهایی که دارای زوایای برگ قائم هستند ، رهگیری می کنند و منجر به میزان بالاتر فتوسنتز می شوند.دانشمندان و پرورش دهندگان گیاهان از ابزارهایی بهره مند می شوند که می توانند پارامترهای گیاهی را در این زمینه اندازه گیری کنند ، یعنی فنوتیپی در محل.برآورد زاویه های برگ به وسیله دستی در یک محیط درست خسته کننده و دست و پا گیر است.ما با استفاده از ترکیبی از شبکه عصبی تقسیم بندی نمونه R-CNN ، و ترانسفورماتور قطعه خط (LETR) ، ترانسفورماتور بینایی را کاهش می دهیم.خط لوله پیشنهادی رایانه دید (CV) در دو مجموعه داده تصویر ، تابستان 2015-AMAS ULA و تابستان 2015- AMES MLA ، با کل ترکیبی از 1،827 تصویر گیاهی جمع آوری شده در این زمینه با استفاده از Fieldbook ، یک برنامه اندرویدی با هدف در محل استفاده می شود.فنوتیپیزاویه های برگ تخمین زده شده توسط خط لوله پیشنهادی در مجموعه داده های تصویر با دو اندازه گیری دستی مستقل با استفاده از ImageJ ، یک برنامه پردازش تصویر مبتنی بر جاوا که در مؤسسات ملی بهداشت و آزمایشگاه برای ابزار نوری و محاسباتی تهیه شده است ، مقایسه می شوند.نتایج ، هنگامی که برای شباهت با استفاده از اندازه گیری شباهت در مقایسه با اندازه گیری ، نمرات شباهت 0.98 در هر دو اندازه گیری مستقل از مجموعه داده های تصویر MLA Summer 2015-Ama ULA و تابستان 2015-AMA را نشان می دهد ، و امکان پذیر بودن خط لوله پیشنهادی برای اندازه گیری برگ برگ را نشان می دهدزاویه ها