利用果树LiDAR扫描进行自动修剪建议的流程
计算机视觉与模式识别
2021-02-09 v1 图像与视频处理
摘要
在果树生长中，修剪是预防过度拥挤、改善冠层光照获取和促进再生的重要管理实践。由于农业的缓慢特性，修剪决策通常依据传统或经验法则而非数据驱动分析做出。许多现有的基于算法、模拟的方法依赖高保真数字捕获或纯计算机生成的果树，无法在果园尺度上提供具体结果。我们提出一个框架，利用带评分函数的LiDAR扫描商业果树来建议修剪策略，侧重于改善冠层内光分布。我们开发了基于光可用性与树体尺寸评估树形质量的评分函数以进行树间比较分析，并针对产量特征进行了验证，显示出与果实数量合理相关：牛油果R^2为0.615，芒果为0.506。我们实现了一个工具，通过对树的结构分析算法估计给定特定切口时树点云中哪些部分会被移除来模拟修剪，经144次实验验证平均F1得分为0.78。最后，我们提出了新的修剪位置，并利用前两个阶段估算给定建议下树的改善情况。光分布改善了至多25.15%，较真实树上商业修剪展现出16%的提升，且发现了某些在较小负影响树体体积下改善光分布的切点。最终结果暗示该框架作为商业种植者决策工具或自动修剪起点具有价值，因为整个过程可在极少人工干预下完成。
引用
@article{arxiv.2102.03700,
title = {A procedure for automated tree pruning suggestion using LiDAR scans of fruit trees},
author = {Fredrik Westling and James Underwood and Mitch Bryson},
journal= {arXiv preprint arXiv:2102.03700},
year = {2021}
}