LodgeNet:在精准农业中精确检测和分类小麦存放严重程度的自动化框架
Nisar Ali1, Ahmed Mohammed1, Abdul Bais1
1Faculty of Engineering and Applied Science, University of Regina, Regina, SK, Canada.
Frontiers in plant science
|December 14, 2023
概括
使用无人驾驶飞行器 (UAV) 和深度学习 (DL) 的新框架 LodgeNet 精确地检测小麦寄存严重程度. 这种自动化系统增强了作物监测,并有助于育种计划识别抗住宿的小麦品种.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 遥感 遥感 遥感 遥感
背景情况:
- 麦子存放显著影响作物产量,植物健康和谷物质量,需要有效的育种策略.
- 传统的小麦存储手工表型是劳动密集型,耗时,容易出现错误和偏见.
- 开发精确和高效的方法来检测宿舍对于小麦育种计划至关重要.
研究的目的:
- 引入LodgeNet,这是使用无人机和深度学习 (DL) 进行准确和高效的小麦存储检测的新型框架.
- 改进传统的手动数据收集方法,用于表型化小麦存放严重性.
- 为了实现高吞吐量,实时作物监测小麦存储.
主要方法:
- 使用了2000张小麦地块多光谱图像的数据集.
- 开发了一种新的图像注册技术,以对齐多光谱波段,以创建全面的RGB图像.
- 应用了先进的图像增强技术,包括"迷雾和玛调整"和"拉伸对比度限制".
- 采用YOLOv8深度学习算法进行宿舍检测和分类.
主要成果:
- 洛奇网成功地检测并分类了9个类别的小麦住宿严重程度 (第1类:没有住宿到第9类:严重住宿).
- 达到0.952 @0.5和0.641 @0.50-0.95的平均平均精度 (mAP) 进行严重程度分类.
- 与传统的手工方法相比,证明了提高精度和效率.
结论:
- 洛奇网提供了一种高效,自动化和高通量解决方案,用于实时监测小麦存放严重程度.
- 该框架有助于选择具有更好的住宿抵抗力的小麦品种,有利于育种计划.
- 无人机,DL和先进图像处理的整合为精准农业提供了一个强大的工具.
