基于无人机遥感的高效玉米雄穗检测方法


发布时间:

2021-08-09

来源:

本站

作者:

PhenoTrait

为了保持作物健康,对其进行定期监测十分必要。然而人工监测,既费时又昂贵。无人机(UAV)的发展迅速,为监测作物提供了一种快速、简便的方法。无人机可以在几分钟内覆盖大片区域,并通过不同传感器(如RGB、多光谱、高光谱相机)获取有用的作物信息。同时,卷积神经网络(CNN)已被有效地应用于各种基于视觉的农业监测活动,如花卉检测、水果计数和产量估计。然而,卷积神经网络(CNN)需要大量的标记数据进行训练,不易获取。特别是在农业领域,由于感兴趣的对象通常体积小、数量多,因此生成标记数据集非常耗时。为了解决这些问题,本文提出了一种基于自适应阈值的k-均值聚类检测玉米穗的新方法。

 

使用多光谱图像 (b) 使用 RGB 图像的玉米作物田的顶视图 (a)

 

玉米作物数据集的样本图像很少

 

定性和定量分析表明,该方法的性能接近于参考方法,并且在计算复杂度方面具有优势。其检测和计数玉米穗的准确度为0.97438,召回率为0.88132,F1得分为0.92412。此外,本文还以无人机图像中玉米穗的检测为任务,提出了一种半自动图像标注方法,以方便地创建玉米作物的标记数据集。基于所提出的方法,所开发的工具可与机器学习模型结合使用,为给定图像提供初始注释,并由用户进一步修改。我们的工具的性能分析显示,注释时间有望节省,从而能够快速生成玉米作物标记数据集。

 

所提出的方法在玉米作物的 Rededge 图像上的输出

 

来源:

Kumar A, Desai S, Balasubramanian V, et al. Efficient Maize Tassel-Detection Method using UAV based Remote Sensing. Remote Sensing Applications: Society and Environment Volume 23, August 2021, 100549.

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。