An ultra-rapid 3D imaging method for crop root systems in soil using image processing

利用图像处理对土壤中作物根系进行超快速 3D 成像方法

• 批准号: 22K14871
• 负责人: 寺本 翔太
• 金额: $ 1.91万
• 依托单位: National Agriculture and Food Research Organization
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K14871/
• 关键词: ディープラーニング; ノイズ除去; 根系構造; 非破壊計測; エックス線CT; 深層学習

短いスキャン時間でノイズの増加したエックス線CT画像（以下、低画質CT画像）からノイズを除去するために、以下2種類の深層学習モデルを構築した。1) 低画質CT画像から長いスキャン時間でノイズの少ないエックス線CT画像（以下、高画質CT画像）への画像変換をディープラーニングで記述し学習させた。この変換は一般的にノイズリダクションと言われている。2)高画質のCT画像から根の領域のみを抽出し、根のマスク画像とした。低画質ＣＴ画像から根のマスク画像への画像変換をディープラーニングで記述し学習させた。この変換は一般的にセグメンテーション（領域ごとにラベル分けする深層学習タスクの一つ）と言われている。セグメンテーションはノイズ除去ではないが、出力される根のマスク画像をノイズのない根のみの画像ととらえることができる。どちらのモデルを用いた場合でも低画質ＣＴ画像からノイズ成分を除去することができた。ノイズリダクションでは、全体的に画像がぼやけた。ディープラーニングを用いないノイズ除去では、近傍のピクセルの値を参照し平均値や中央値に置き換える平均値フィルターや中央値フィルターが用いられることがある。今回のノイズリダクションのモデルでも似たような画像変換となったと考えられる。セグメンテーションモデルでは、一部ノイズに負けてしまうような薄い根に関してはセグメンテーションがうまくいかなかったが、全体的に効率よく根のセグメンテーションを作成できた。

我们构建了以下两类深度学习模型来去除 X 射线 CT 图像（以下简称低质量 CT 图像）中的噪声，这些图像因扫描时间短而增加了噪声。 1）使用深度学习描述并训练了从低质量CT图像到长扫描时间的低噪声X射线CT图像（以下简称高质量CT图像）的图像转换。这种转换通常称为降噪。 2）从高质量CT图像中仅提取根部区域并创建根部掩模图像。使用深度学习描述和训练从低质量 CT 图像到根掩模图像的图像转换。这种转换通常称为分割（一种将标签分成区域的深度学习任务）。分割不是去除噪声，但输出的根掩模图像可以被视为无噪声的仅根图像。无论使用哪种模型，都可以从低质量的 CT 图像中去除噪声成分。降噪使图像整体模糊。不使用深度学习的噪声去除有时会使用平均值滤波器或中值滤波器，该滤波器参考相邻像素的值并将其替换为平均值或中值。据认为，这次使用的降噪模型导致了类似的图像转换。尽管分割模型没有成功分割一些被噪声克服的细根，但总体上能够有效地创建根分割。