使用单个RGB图像的三维分析来检测植物压力
Madaín Pérez-Patricio1, J A de Jesús Osuna-Coutiño1, German Ríos-Toledo1
1Department of Science, Tecnológico Nacional de México/IT Tuxtla Gutiérrez, Carr. Panamericana 1080, Tuxtla Gutierrez 29050, Chiapas, Mexico.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
这项研究引入了一种新的方法来检测植物压力,使用单个RGB图像的3D重建和深度学习. 该方法提高了在识别作物压力的准确性和效率,无需专家人员或侵入性技术.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 传统的植物应激检测依赖于专家评估或侵入性方法,这在可扩展性和作物完整性方面带来了挑战.
- 现有的图像处理技术与模两可的特征作斗争,限制了它们在自动化植物应力识别中的有效性.
研究的目的:
- 开发一种自动化方法来检测植物应激,使用单个RGB图像的3D重建和深度学习.
- 克服专家依赖和侵入性植物应激检测方法的局限性.
主要方法:
- 一种三步方法,涉及植物识别 (细分,定位,划界),叶子检测分析 (分类,边界定位) 和深度神经网络 (DNN) 与3D重建用于压力检测.
- 使用图像处理来解释可观测的植物几何形状,用于应力识别.
主要成果:
- 拟议的方法论在现实场景中表现出高性能,用于植物应激检测.
- 与传统的2D分类方法相比,实现了22.86%的更高精度,24.05%的更高回忆率和23.45%的更高F1分数.
结论:
- 3D重建和深度学习方法为准确的植物应激检测提供了一个有希望的,非侵入性的,自动化的解决方案.
- 这种方法显著改进了现有的二维分类技术,为更有效的作物监测铺平了道路.


