使用现场超光谱成像与轻量级模型识别橄
Samuel Domínguez-Cid1, Diego Francisco Larios1, Julio Barbancho1
1Department of Electronic Technology, Escuela Politecnica Superior, Universidad de Sevilla, 41011 Seville, Spain.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
一个新的轻量级模型使用高光谱成像来识别橄在生长季节. 这项技术准确地用最少的数据对橄进行分类,帮助农民做出决策.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 橄在整个生长季节都表现出不同的现象阶段,颜色和化学成分的变化.
- 精确监测橄发展对于有效的农业管理和产量优化至关重要.
研究的目的:
- 开发一种轻量级,准确的模型,用于使用光谱信息在高光谱图像中识别橄.
- 为了在整个生长季节实现实时,现场橄的识别.
主要方法:
- 橄树上的橄的高光谱成像每周在没有人工照明的情况下在田野进行.
- 数据分析涉及训练和测试分类器,如决策树,物流回归,随机森林和支持向量机.
- 通过分析关键波长来优化模型尺寸,应用了缩小尺寸的方法.
主要成果:
- 后勤回归模型实现了98%的F1得分,模型大小小小于1KB.
- 这个模型证明了分类准确性,大小和推断时间之间的最佳平衡.
- 为了有效地识别橄的光谱,确定了关键波长.
结论:
- 一个新的轻量级模型有效地使用光谱数据在超光谱图像中识别橄.
- 这项技术为通过自动化应用增强农业决策提供了有价值的工具.
- 该模型的效率和准确性支持橄种植中的精准农业.


