自动化大米播种细分和无监督健康评估使用细分任何模型与多模式特征分析
Hassan Rezvan1, Mohammad Javad Valadan Zoej1, Fahimeh Youssefi1,2
1Department of Photogrammetry and Remote Sensing, K. N. Toosi University of Technology, Tehran 19967-15433, Iran.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
本研究引入了一种自动化方法,用于对米苗进行细分,并使用光谱和纹理特征评估其健康状况. 该方法加强了农业监测,并支持及时干预,以提高作物产量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 全球粮食需求需要在作物监测和管理方面取得进展.
- 精准农业需要自动化工具来有效评估作物.
研究的目的:
- 开发一种全自动化的两步方法,用于对苗进行细分,并评估其健康状况.
- 整合光谱,形态和纹理特征以进行强大的植物分析.
- 为了能够在不同生长阶段对苗木健康进行时间监测.
主要方法:
- 用过多的绿色减去过多的红色指数用于初始苗木本地化.
- 采用了SegmentAnything Model (SAM) 与自动点提示以实现精确的细分.
- 从面具中提取形态特征和从RGB图像中提取光谱/纹理特征.
- 实施一级支持矢量机 (SVM) 用于检测异常以评估植物健康.
主要成果:
- 实现了从72.6到94.7.7不等的细分的平均子得分.
- 在成长阶段获得0.31和0.44之间的健康评估的轮分数.
- 证明有效地分离显示压力特征的异常幼苗.
- 验证了框架对苗健康状况的时间监测能力.
结论:
- 拟议的方法为自动化苗细分和健康评估提供了可靠的解决方案.
- 先进的细分和异常检测技术可以显著支持及时的农业干预.
- 通过早期检测和管理不健康的苗木来优化作物产量是可行的.


