基于AI的无人机群在芸苔植物病害监测与识别中的应用综述


发布时间:

2023-09-25

来源:

植物表型资讯

作者:

PhenoTrait

人工智能(artificial intelligence,AI)追求的无人驾驶飞行器(unmanned aerial vehicles,UAVs)技术进步正在改善遥感在智慧农业中的应用。这是监测和识别植物病害的宝贵工具,因为它们可以在不损害和影响植物的情况下收集数据。然而,它们有限的携带和电池容量限制了它们在更大范围内的性能。因此,使用多架无人机,特别是以蜂群的形式,对于监测诸如农田和森林等更大的区域更为重要。由于研究的多样性,需要对相关文献进行综述,以期在农业领域取得更多的进展和贡献。在这篇综述中,对现有文献调查进行了比较分析。本文旨在概述基于AI的无人机群,不同的相机和传感器,图像处理和用于图像分析的机器学习(machine learning,ML)算法,以监测和疾病识别为目的。芸苔属植物受到关注,因为它们在全球范围内的种植规模更大。讨论了芸苔属植物的种类、常见的病害以及不同类型的病害检测方法。研究表明,无人机群在芸苔属植物生长监测、产量估算、健康监测、水分状况监测和灌溉管理、营养失调监测、病虫害检测、农药和肥料喷洒等方面具有重要意义。最后,还讨论了基于集群的应用程序的一些挑战,这些挑战需要将来考虑。本文的意义在于,它建议读者接受基于群体的技术,以追求更高效的生产和相关的经济效益。

 

图1 综述框架与研究重点。

 

 图2 芸苔属植物的不同部位提供不同的种类和变种。

 

图3 芸苔属植物的核心病害是(a)棒状硬化根(Clubroot,CR), (b)黑腿病(Blackleg,BL), (c)茎腐病(Stem Rot,SR), (d)萝卜花叶病毒(Turnip Mosaic Virus,TuMV), (e)黑腐病(Blackrot,BR), (f)霜霉病(Downy Mildew,DM), (g)枯萎病(Fusarium Wilt,FW)和(h)叶斑病(Alternaria Leaf Spot,ALS)。

 

 图4 群智能的核心能力。

 

 图5 图像处理。

 

 图6 西兰花头的分割结果为(a)原始图像,(b)标注结果(c)改进的ResNet分割,(d) GoogleNet分割,(e) VggNet分割,(f) ResNet分割。

 

 图7 无人机群应用面临的主要挑战是技术问题和部署问题。

 

来 源

Zain Anwar Ali et al. AI-Based UAV Swarms for Monitoring and Disease Identification of Brassica Plants Using Machine Learning: A Review, Computer Systems Science and Engineering, 2023.

 

编辑

王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。