使用卷积神经网络对户外自由放牧猪生产的估计植被指数进行比较

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:

• 装有摄像头的无人机 (UAV) 在农业中越来越多地用于监控.
• 深度学习,特别是卷积神经网络 (CNN),在农业应用中表现有前途,如害虫和疾病诊断.
• 准确预测作物占用率对于管理农田牲畜影响至关重要.

研究的目的:

• 用无人机图像来预测由母猪放牧引起的玉米份额变化.
• 开发和验证一种新的深度学习方法来估计玉米占用率.
• 通过数据增强,解决无人机农业监测数据的局限性.

主要方法:

• 使用配备相机的无人机 (UAV) 拍摄了一个成熟的玉米田和20只孕母猪的图像.
• 开发了一种数据增强技术,以增加有效数据集大小,用于训练深度学习模型.
• 应用了卷积神经网络 (CNN) 方法,将其重新定义为函数近似和回归问题,而不是对象检测,以估计玉米占用率.

主要成果:

• 拟议的CNN方法有效地从有限数量的图像中估计了玉米的占用率.
• 该方法显示出对玉米份额变化的预测准确度很好.
• 该研究证实了深度学习在农业监测任务中的潜力和可扩展性.

结论:

• 基于CNN的新型回归方法提供了一种有效的方法,可以从无人机图像中估计玉米占用率.
• 数据增强是克服无人机农业研究数据局限性的可行策略.
• 这项研究强调了深度学习在精确的农业管理和监测方面的巨大潜力.