適用水稻、玉米、小麥、煙草、蔬菜等各類植物的盆栽、葉片、花、果實、種子等器官組織或整株
支持植株活體成像并可靈活選配各類傳感器,無損 檢測,全自動分析
默認(rèn)支持株高0.7米*株寬0.5米及以下的尺寸,成像 尺寸可靈活定制
全自動提取各類表型性狀,一鍵分析,極簡體驗; 支持拓展PhenoAI Flow對數(shù)據(jù)進(jìn)一步挖掘和建模
通過量化目標(biāo)性狀,助力基因定位
通過監(jiān)測不同栽培方法對表型或生理的變化,
評估不同農(nóng)藝技術(shù)的影響
適用多尺度組織和器
官,如整株、種子、
葉片、花、果實等
適用各類大田作物和
園藝作物,草業(yè)、中
藥等
支持添加深度學(xué)習(xí)模
型,實現(xiàn)識別能力的個
性化擴(kuò)展
無需人工輔助修正,用
戶只需點擊界面上兩個
按鈕即可
序號 | 參數(shù) | 詳情介紹 |
---|---|---|
1 | 圖像格式 | 支持所有主流圖像格式,包括不限于 JPG、PNG、Tif 等 |
2 |
提取指標(biāo) | 表型提取功能涵蓋三大類型(顏色、紋理、形態(tài)),可提取指標(biāo)不少于 57 個,包括不限于 R、G、B、H、S、V、L、a、b、dissimilarity、energy、correlation、ASM、entropy、長、寬、面積、周長、圓度、緊湊度等 |
3 |
模型預(yù)測 | 功能支持經(jīng)典機器學(xué)習(xí)模型和深度學(xué)習(xí)模型兩大類型,其中支持的經(jīng)典機器學(xué)習(xí)模型覆蓋所有joblib 保存的模型, 包括不限于 SVM、Random Forest、GBDT、Decision Tree、AdaBoost、BPNN、KNN、Na?ve Bayes、Logistic Regresion等,支持的深度學(xué)習(xí)支持所有keras 保存的模型, 包括不限于 VGG、ResNet、NasNet、DenseNet、EfficientNet、Xception、MobileNet 等;支持客戶上傳標(biāo)記文件,自動評估模型準(zhǔn)確度 |
4 | 可視化 | 可視化繪圖,該功能支持分析圖表自動化存儲,并可描出目標(biāo)輪廓方便用戶查看識別精度,以及自動標(biāo)記目標(biāo)編號方便用戶查看表格數(shù)據(jù) |
5 | 擴(kuò)展性 | 系統(tǒng)軟件不但能自動提取表型指標(biāo),還能通過添加模型功能擴(kuò)展任意個性化功能針對個性化或細(xì)粒度提取需求,分析平臺支持添加任意經(jīng)典機器學(xué)習(xí)或深度學(xué)習(xí)模型進(jìn)行個性化拓展 |
6 | 靈活配置 | 可根據(jù)用戶研究對象調(diào)整箱體大小及相機類型,針對目標(biāo)作物定制;箱體內(nèi)配置工業(yè)相機2臺 |
7 | 適用范圍 | 適用多尺度組織和器官,支持類型不少于5種主流尺度,包括不限于整株、種子、葉片、花、果實等 |
8 | 操作方式 | 傻瓜式操作界面,用戶只需點擊界面上兩個按鈕即可進(jìn)行分析 |
9 | 選擇方式 | 支持兩種文件選擇方式,支持選擇文件夾,支持海量圖像批量分析,當(dāng)選擇文件夾時支持用戶前后翻閱查看 |
10 | 系統(tǒng)界面 | 自定義界面,支持用戶拖拽工具欄,按照使用偏好可放置上、下、左、右四個區(qū)域 |
*各型號詳細(xì)參數(shù)請咨詢客服