自动注释可见和多/超谱图像的模拟使用Helios 3D植物和辐射转移建模框架

科学领域:

• 植物科学 植物科学
• 遥感是一种远程传感.
• 计算机图形 计算机图形

背景情况:

• 用于植物特征分析的监督深度学习模型需要广泛的注释数据集.
• 对这些数据集的手动数据收集是劳动密集和耗时的.
• 从遥感数据中提取复杂的植物特征仍然具有挑战性.

研究的目的:

• 开发一个辐射转移建模框架,以模拟具有准确注释的植物图像.
• 减少对手工收集和注释数据集的依赖,用于植物特征分析.
• 通过模拟数据实现植物特征提取的无监督学习.

主要方法:

• 利用Helios 3D植物建模软件创建了一个辐射转移建模框架.
• 模拟了各种成像模式,包括RGB,多/超光谱,热和深度摄像头.
• 生成3D植物和土壤模型,随机变化和指定的属性,明确建模辐射转移物理.

主要成果:

• 该框架在各种照明条件下成功生成了高质量的标记合成植物图像.
• 模拟图像具有完全分辨率的植物物理,化学和生理特征的参考标签.
• 证明了该框架能够通过培训模型来支持无监督学习,这些培训模型完全基于模拟数据.

结论:

• 拟议的基于Helios的框架有效地生成合成的,注释的植物图像,大大减少了手动数据注释的需要.
• 这种方法有助于在植物特征分析中应用深度学习模型,特别是在无监督学习任务中.
• 该框架为克服工厂远程和近距离传感数据采集瓶提供了可行的解决方案.