UAV LiDAR点群データからの個々のゴムノキのセグメンテーションおよび構造パラメータ抽出のための高度な方法論であるRsegNet

科学分野:

• 農業工学
• リモートセンシング
• コンピュータビジョン

背景:

• ゴムノキは、精密な管理を必要とする重要な熱帯作物です。
• 従来の点群セグメンテーション方法は、ゴムノキの構造パラメータと空間レイアウトを正確に抽出できません。
• 限界は、ゴムノキプランテーションにおける精密農業と洗練された管理を妨げます。

研究 の 目的:

• UAV LiDARベースのゴムノキ点群セグメンテーションのための最適化されたデュアルチャネルクラスタリング方法を開発すること。
• ゴムノキの構造と特性の評価を改善すること。
• 精密モニタリング、プランテーション管理、健康評価を強化すること。

主な方法:

• ゴムノキ点群セグメンテーションのためのUAV LiDARベースのネットワークであるRsegNetを提案しました。
• 枝と葉の重なりに対処するために、コサイン類似性を使用した特徴抽出のためにCosineU-Netを設計しました。
• 精度を向上させ、背景干渉を減らすために、動的最適化を備えたデュアルチャネルクラスタリングモジュールを開発しました。

主要な成果:

• RsegNetは、自己構築データセットおよびFOR-instance森林データセットにおいて、5つの最先端ネットワークと比較して優れたパフォーマンスを達成しました。
• ネットワークは86.1%のFスコアに達し、セグメンテーションにおける高い精度を示しました。
• 高さ、クラウン直径、体積などの構造属性をゴムノキに対して正常に計算しました。

結論:

• 提案されたRsegNet方法は、ゴムノキ点群セグメンテーションの精度を大幅に向上させます。
• このアプローチは、ゴムノキの精密モニタリング、プランテーション管理、健康評価に堅牢なサポートを提供します。
• この方法は、ゴムノキプランテーションにおける精密農業の進歩に価値あるツールを提供します。