用近距离空中图像检测细菌杀菌葡萄病
Delia Elena Székely1, Darius Dobra2, Alexandra Elena Dobre3
1Department of Horticultural Sciences, University of Agricultural Sciences and Veterinary Medicine, Cluj-Napoca, Romania.
Heliyon
|August 7, 2024
概括
一种基于无人机的新方法通过创建一个全面的葡萄树疾病数据集来增强精密葡萄种植. 这一数据集有助于为嵌入式设备开发精确的疾病检测模型,改善葡萄园管理.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 葡萄树疾病的检测对于精确的葡萄种植至关重要,指导治疗和管理.
- 使用实验室条件或卫星图像的现有方法在范围和细节上有局限性.
- 机器学习工具越来越多地集成,但需要强大的数据集.
研究的目的:
- 开发一种低空无人机飞行方法,以生成一个全面的葡萄藤疾病数据集.
- 为了克服以前的葡萄病检测方法的局限性.
- 创建适合在嵌入式设备上训练和测试机器学习模型的数据集.
主要方法:
- 利用低空无人机飞行捕获欧洲各地葡萄树的高分辨率图像.
- 创建了1万张图像和超过10万张注释的叶子的数据集,涵盖了诸如菌和黑色腐烂等常见疾病.
- 用于产量估计的注释葡萄束和在嵌入式系统上测试的先进检测方法.
主要成果:
- 创建了一个新的,大规模的葡萄病数据集,包括各种葡萄品种和特定的病理.
- 该数据集由葡萄种植专家验证,确保疾病识别和产量估计的准确性.
- 在嵌入式设备上评估了检测方法的性能,证明了其实际适用性.
结论:
- 基于无人机的数据集通过提供详细的疾病检测资源,显著提升了精密葡萄种植.
- 开发的嵌入式模型为葡萄园实时疾病监测和管理提供了可行的解决方案.
- 数据集和模型是公开的,促进了自动化葡萄种植的进一步研究和开发.
