基于无人机遥感和语义细分的无人机遥感和语义细分的有效方法来检测和跟踪冬季冲洗成长的李子树
Shudai Bai1,2, Juntao Liang1,2, Teng Long1,2
1College of Electronic Engineering/College of Artificial Intelligence, South China Agricultural University, Guangzhou, China.
Frontiers in plant science
|December 15, 2023
概括
本研究介绍了一种高效的无人机基础的方法,使用U-Net模型与MobileNetV3来检测和跟踪litchi冬季冲洗,改善产量预测和管理.
科学领域:
- 农业遥感 农业遥感
- 计算机视觉在农业中的应用
- 园艺科学 园艺科学
背景情况:
- 未成熟的冬季冲洗通过影响花分化,开花和果实发育,显著降低了李奇的产量.
- 目前用于冬季冲洗面积估计和生长监测的手动方法是不准确和低效的,阻碍有效控制.
- 精确监测冬季冲洗对于优化菜种植和产量预测至关重要.
研究的目的:
- 使用无人机遥感图像开发一种高效准确的方法来检测和跟踪litchi冬季冲洗.
- 改善冬季冲洗生长过程的监测,以更好地管理利奇作物.
- 提供一个定量分析工具,用于litchi冲洗的发展及其影响因素.
主要方法:
- 一个基于U-Net架构的新语义细分模型,包含MobileNetV3骨干,CBAM和额外的卷积层.
- 使用转移学习来应对有限的数据量所带来的挑战.
- 该模型被应用用于跟踪冬季冲洗的生长,并分析晚秋发芽的转化为冲洗和冲洗到成熟的叶子.
主要成果:
- 拟议的模型实现了更好的性能,平均像素精度 (MPA) 为93.4%,平均交叉点在欧盟 (MIoU) 为85%,分别高于90.95%和83.3%.
- 与原来的U-Net模型相比,模型尺寸减少了15%.
- 定量分析显示,突然的温度下降促进了深秋发芽的快速转化为冬季冲.
结论:
- 开发的基于无人机的语义细分模型为litchi冬季冲洗检测和生长监测提供了高效和准确的技术.
- 这种方法为精确的利奇冲洗面积估计和产量预测提供了新的可能性,有助于果园管理.
- 这些发现支持通过先进的遥感和人工智能更好地控制操作,并通过先进的遥感和人工智能在利奇果园中提供明智的产量预测.
