通过使用草束图像进行手工采集样本的高效和准确的机计数

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 图像分析 图像分析

背景情况:

• 准确的耕种员计数对于冬季小麦产量预测至关重要.
• 手动计数是劳动密集型的,容易出现错误.
• 现有的自动化方法缺乏足够的准确性和效率.

研究的目的:

• 开发和验证一种新,准确和高效的自动化方法,用于使用RGB图像计算冬季小麦耕作机.
• 评估TillerCounter程序与手动地面真实数据的性能.

主要方法:

• 在组装成捆束后,使用RGB摄像头对小麦耕机进行了成像.
• 经典的图像分析技术用于自动检测.
• 一个自定义的用户界面 (TillerCounter) 允许交互调整检测.
• 皮尔森相关系数和根平均平方相对误差被用于准确性评估.

主要成果:

• 建立了一种高效的捆绑组装方法,用于成像草机.
• 图像质量得到了广泛的研究,并与手动计数进行了比较.
• 蒂勒计数程序表现出高精度,皮尔森相关系数 (R) 为0.973.
• 根平均平方相对误差始终在5%以下.

结论:

• 开发的方法为自动化冬季小麦耕机计数提供了准确和高效的方法.
• 计程序为手动计数提供了一个可靠的替代方案,适合农业研究.
• 这种基于图像的方法有可能改善作物监测和产量预测.