一种用于葡萄园产量估算的低成本自动图像识别方法

一种用于葡萄园产量估算的低成本自动图像识别方法

本研究利用非侵入性机器视觉方法快速评估葡萄产量,植物表型资讯介绍如下:

产量预测是优化葡萄园管理、实现理想葡萄品质的关键因素。传统产量评估方法是在收割前对有限数量的植株进行人工采样,这种方法费时且往往无法获得有代表性的产量数据。因此,相关人员正在研究非侵入性机器视觉方法以快速评估葡萄产量。

图1.现场位置图(A)、无人机平台(B)

本研究在一个试验葡萄园中选取具有代表性的活力变化率区域,利用低成本无人机拍摄的高分辨率RGB图像(20mp);然后利用无监督识别算法推导出簇数和大小,并根据推导结果自动评估单株葡萄产量;接着分析不同条件下检测到的簇数的相关结果,并计算每个活力区的权重估计值。簇数检测的分割结果表明,在部分去叶和完全成熟条件下,分割结果的去除率可达85%以上,使葡萄在收获前几周的产量估算值准确率达到84%以上。

微信图片_20190516151411

图2.图像处理流程

图3.2017年6月(A)、8月(B)具有代表性的高能量(HV)和低能量(LV)区域飞行活动活力图

综上所述,这种非侵入性机器视觉方法在无人机、高分辨率相机和视觉计算算法等领域中的应用,为科学家们评估产量提供了新的视角,与传统人工方法相比,可以节省时间并提高准确率。

微信图片_20190516151418

图4.2017作物季图像采集条件

来源:

Gennaro S F D,Toscano P, Cinat P,et al.A Low-Cost and Unsupervised Image Recognition Methodology for Yield Estimation in a Vineyard.Front. Plant Sci., 03 May 2019 | https://doi.org/10.3389/fpls.2019.00559

扩展阅读:

粽香情浓,植物表型资讯一周年目录汇总

植物表型资讯2018年1-12月目录汇总

植物表型资讯2019年1-4月目录汇总

微信图片_20190408151928