学术中心
基于无人机RGB图像的叶斑病分类
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-06-19 06:10
- 访问量:
【概要描述】本文提出了一种利用全卷积神经网络直接对无人机采集的RGB图像进行CLS检测的方法该方法不需要复杂的多光谱或高光谱传感器,但能够提供可靠的结果,且具有高灵敏度
基于无人机RGB图像的叶斑病分类
【概要描述】本文提出了一种利用全卷积神经网络直接对无人机采集的RGB图像进行CLS检测的方法该方法不需要复杂的多光谱或高光谱传感器,但能够提供可靠的结果,且具有高灵敏度
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-06-19 06:10
- 访问量:
病害会影响作物产量。因此,利用无人机传感器检测植物病害利于支持病虫害综合管理的决策,也利于育种者选择耐基因型。本研究利用RGB图像检测甜菜叶斑病。
方法概述,开发时考虑到精确农业应用
本文提出了一种利用全卷积神经网络直接对无人机采集的RGB图像进行CLS检测的方法该方法不需要复杂的多光谱或高光谱传感器,但能够提供可靠的结果,且具有高灵敏度。另外,本文还提供了一个用于CLS症状、健康植被和背景像素级语义分割的检测管道,能够自动量化感染等级。最后,本文使用从不同甜菜试验田记录的多个无人机数据集对该系统进行全面评估。该数据集由不同领域的训练数据集和测试数据集组成。研究人员利用该数据集在现实条件下评估本文提出的方法,并分析了它对未知环境的泛化能力。结果显示,所获得的结果与人类专家的视觉评估显著相关。
单点图的RGB及相应的地面真值信息
分类评估CLS、健康植被和背景的像素分类性能。
本研究强调了高分辨率RGB成像和卷积神经网络在田间条件下用于植物病害检测的潜力。演示的程序对于实际条件下的应用特别有趣,因为不需要复杂且成本高的测量系统。
基于预测语义图的CLS感染水平(IL)测定结果
来源:
Görlich F, Marks E, Mahlein A, et al. UAV-Based Classification of Cercospora Leaf Spot Using RGB Images. Drones 2021, 5(2), 34; https://doi.org/10.3390/drones5020034.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德(北京)科技有限公司
地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

植物表型资讯
慧诺瑞德(北京)科技有限公司版权所有 京ICP备15043840号 网站建设:中企动力 北二分 法律声明