对4月至12月间尖叶四照花〔Cornus elliptica(Pojarkova)*** et Boufford〕、秀丽四照花〔*** ***(*** et ***)***〕、东京四照花〔*** ***(***)***〕、日本四照花(*** *** ex Hance)、四照花〔*** ***(Osborn)***〕、四照花品种‘中国...
详细信息
对4月至12月间尖叶四照花〔Cornus elliptica(Pojarkova)*** et Boufford〕、秀丽四照花〔*** ***(*** et ***)***〕、东京四照花〔*** ***(***)***〕、日本四照花(*** *** ex Hance)、四照花〔*** ***(Osborn)***〕、四照花品种‘中国女孩’(*** ***‘China Girl’)和大花四照花(*** Linn.)(前3个为常绿四照花,后4个为落叶四照花)的物候期进行观测,并基于叶片、花苞片和果实的12个观赏指标,采用层次分析(AHP)法对这些四照花的观赏价值进行综合评价。结果表明:不同四照花的物候期存在差异,其观赏价值不仅体现在丰富多彩的花苞片和果实颜色上,还体现在春、秋季叶色变化上。而且,落叶四照花的花期和果期早于常绿四照花。花苞片颜色、叶色变化、花苞片形状和花期持续天数对目标层的权重分别为0.3122、0.1552、0.0927和0.0927。根据综合得分,供试四照花分为Ⅰ、Ⅱ、Ⅲ级,其中,Ⅰ级包括东京四照花、大花四照花和秀丽四照花,综合得分分别为3.350、3.175和3.171;Ⅱ级包括日本四照花和尖叶四照花,综合得分分别为3.028和2.963;Ⅲ级包括四照花及四照花品种‘中国女孩’,综合得分分别为2.866和2.704。然而,秀丽四照花的大田栽培适应性较差,故将其归入Ⅱ级。综上所述,四照花的观赏价值主要体现在花苞片颜色、叶色变化、花苞片形状和花期持续天数上;东京四照花和大花四照花为优质四照花资源,可作为长江中下游地区四照花推广和应用的备选对象。
叶片表型检测是感知杨树生长状态的重要手段之一,叶片颜色、姿态、纹理等形态结构表型信息可揭示植株所受胁迫的程度。其中,单个叶片分割是计算、统计其表型参数的基础。当前流行的AI算法已可满足叶片分割任务的性能需求,然而常规深度学习模型训练需要大量人工标签,制约了其发展和应用。本研究提出一种融合零样本学习和迁移学习的杨树叶片实例分割方法:运用视觉大模型GroundingDINO检索杨树苗图像中的叶片,获取对应的边界框;使用Segment Anything 2模型(segment anything model v2,SAM2)分割图像中全部对象,得到对应的掩膜(mask);将GroundingDINO模型生成的边界框作为提示,辅助SAM2过滤出叶片类别的掩膜;利用迁移学习策略,将AI生成的叶片掩膜作为标签信息,训练轻量化的YOLOv8-Segment模型。此外,构建独立测试集用于评估模型分割精度,选择交并比阈值为50%的平均精度(average precision using 50%intersection over union threshold,AP_(50))和平均交并比(mean intersection over union,mIoU)作为性能指标。结果表明,基于“Leaf”这一检索词,GroundingDINO与SAM2的组合(权重约810 MB)可实现高性能的杨树叶片分割,AP_(50)为0.936,mIoU为0.778。通过过滤异常尺寸的提示边界框,AP_(50)提升至0.942。迁移学习得到的YOLOv8-Segment模型权重仅6.5 MB,AP_(50)为0.888,大幅精简模型的同时保障了精度。本研究涉及的叶片分割模型构建过程均无须人工标注,实现了高效率、低成本的杨树叶片实例分割,可为杨树叶片计数和叶面积计算等后续表型分析应用提供技术支持。
暂无评论