マルチスペクトルリモートセンシングと地上特徴量を用いたリンゴ園収量予測フレームワーク

科学分野:

• 農業科学; リモートセンシング; 機械学習

背景:

• 従来のリンゴ収量推定は手作業に依存しており、効率とマルチソースデータ統合が不足していました。; 正確な収量予測は、農業計画と市場の安定にとって重要です。

研究 の 目的:

• マルチスペクトルリモートセンシングと地上特徴量を統合した、リンゴ園収量予測のための新しいフレームワークを開発すること。; 地区/郡レベルと小規模果樹園レベルの両方で収量予測を可能にすること。; リモートセンシングと地上真実データ（ground-truth data）を組み合わせてリンゴ収量推定の精度を向上させること。

主な方法:

• フィールド収集サンプルを使用したリンゴ園植栽エリアの抽出。; Google Earth EngineとAPYieldNetモデルを介して処理されたマルチスペクトルおよび環境特徴量を使用した大規模収量予測。; 果実検出（YOLO-Aモデル）と比例補正方法を使用した小規模果樹園の収量補正。

主要な成果:

• 提案されたAPYieldNetモデルは、大規模な収量予測（MAE = 152.68 kg/mu、RMSE = 203.92 kg/mu）で優れたパフォーマンスを達成しました。; YOLO-Aモデルは、複雑な果樹園環境におけるリンゴの果実と花の検出において高い精度を示しました。; 比例補正は、小規模な果樹園の収量予測の精度を大幅に向上させ、実際の収量に近づけました。

結論:

• 統合フレームワークは、複数のスケールでリンゴの収量を効果的に予測し、既存の ЛОЛ методを上回っています。; リモートセンシングデータと地上ベースの果実検出を組み合わせることで、予測精度が向上します。; このアプローチは、従来の ЛОЛ 手作業による収量推定技術よりも効率的で正確な代替手段を提供します。