对入侵性植物的基于计算机视觉的生物质估计
Zhenyu Huang1, Zhiyong Xu2, Yanzhou Li3
1College of Mechanical Engineering, Guangxi University; Shenzhen Branch, Guangdong Laboratory of Lingnan Modern Agriculture, Genome Analysis Laboratory of the Ministry of Agriculture and Rural Affairs, Agricultural Genomics Institute at Shenzhen, Chinese Academy of Agricultural Sciences.
Journal of visualized experiments : JoVE
|February 26, 2024
概括
这项研究开发了一种使用无人飞行器 (UAV) 遥感和计算机视觉来准确估计入侵植物生物质的方法. 这种方法可以准确地绘制和监测入侵物种分布和风险区域.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 侵入性植物物种对生态和经济构成重大威胁.
- 准确的生物量估计对于有效的入侵物种管理至关重要.
- 现有的生物质评估方法可能是劳动密集型和空间有限的.
研究的目的:
- 开发和验证一种使用无人机遥感和计算机视觉估计入侵性植物生物质的新方法.
- 为有针对性的管理创建入侵性植物生物质的空间分布图.
- 评估机器学习对实时入侵物种监测的潜力.
主要方法:
- 利用无人机空中摄像系统进行自动图像采集.
- 采用深度卷积神经网络进行图像细分和植被索引提取.
- 开发了一个K-近邻回归 (KNNR) 模型,将植被指数与地面真实生物质联系起来.
主要成果:
- 实现了对入侵性植物生物质的准确预测.
- 产生了入侵性植物生物质的精确空间分布图.
- 已确定受入侵植物影响的高风险地区.
结论:
- 无人驾驶飞行器遥感与机器学习相结合,为入侵性植物生物质估计提供了强大的工具.
- 该方法为区域范围内的入侵物种的智能监测和危险评估提供了技术支持.
- 该研究强调了入侵植物实时监测技术的进步.
