基于深度学习的作物根系表型检测和指标计算方法及装置

本发明公开了一种基于深度学习的作物根系表型检测和指标计算方法及装置，方法包括：输入图像，使用侧窗滤波对根系图像进行边缘增强，对增强后的根系图像进行数据扩充，根系主要指作物的主根、侧根；使用RT‑DETR目标检测模型对根系个体进行检测，得到根系个体的检测框；使用RT‑DETR目标检测模型对根系个体图像中的基部和茎部进行检测，并根据基部和茎部检测框在图像中的位置去除部分基部和茎部区域；使用检测框截取图像中的根系个体；使用实例分割模型Mask2former对图像中的主根进行分割，得到主根的轮廓坐标点集；交互选定主根上侧根密度相对中等的窗口；使用改进的Transfiner模型对窗口中的侧根进行分割，得到窗口中侧根的轮廓点集；使用轮廓点集对窗口内的根系表型进行指标计算。本发明可以大大提高根系分割的准确性。