基于CGWO-LWNet网络的橡胶树石细胞高精度分割方法研究

来自CATAS的研究人员针对橡胶树树皮石细胞快速精准识别的技术瓶颈，开发了基于图像识别的CGWO-LWNet自动分割网络。该研究通过低秩KAN模块优化边缘分割，创新Wave-SC小波注意力机制捕捉分布规律，并采用灰狼约束优化算法(CGWO)提升训练稳定性。实验表明该网络MIoU达69.1%、DSC系数81.7%，为解析石细胞发育与胶乳产量、树皮抗逆性的遗传机制提供了强大工具。

　　

这项突破性研究解决了橡胶树(Hevea brasiliensis)树皮石细胞(stone cells)精准分割的技术难题。石细胞作为影响树皮开裂度、硬度及胶乳(latex)产量的关键结构，其复杂边缘特征和空间分布模式给传统图像分割带来巨大挑战。

研究团队创新性地构建了CGWO-LWNet智能分割系统：

1）采用低秩KAN(Low-rank KAN)模块重构神经网络学习路径，通过编码器间特征共享显著提升边缘分割精度

2）设计Wave-SC小波注意力机制，有效捕捉石细胞在树皮横切面中的特殊分布规律

3）开发约束型灰狼优化算法(Constrained Gray Wolf Optimization, CGWO)，解决传统网络训练不稳定的痛点

在CATAS提供的1084张石细胞图像数据集上，该系统表现出色：

• 平均交并比(MIoU)达69.1%

• 戴斯相似系数(DSC)81.7%

• 召回率(recall)80.4%

最终实现97.8%的超高分割准确率，为大规模研究石细胞发育分子机制及其与胶乳产量(latex yield)、树皮完整性(bark integrity)和胁迫抗性(stress resilience)的关系提供了可靠技术支撑。