基于 OTSU 算法与支持向量机的修剪树评估模型
计算机视觉与模式识别
2022-07-11 v1 机器学习
摘要
由于对果实的光合作用效率和枝条中的营养运输有影响，修剪过程是促进果实生长和增产的关键。目前，修剪仍高度依赖人力。工人的经验会强烈影响树木修剪表现的鲁棒性。因此，对工人和农民而言，评估修剪表现是一项挑战。为了更好地解决该问题，本文提出了一种称为“OTSU-SVM”的新型修剪分类策略模型，基于枝叶的阴影来评估修剪表现。该模型不仅考虑了树木可用的受光面积，还考虑了树木受光面积的均匀性。更重要的是，我们小组将 OTSU 算法引入该模型，极大地增强了该模型评估的鲁棒性。此外，实验中也使用了来自杭州余杭区的梨树数据。在本实验中，我们证明了 OTSU-SVM 具有良好的准确率（80%）以及在梨树修剪评估中的高性能。若应用于果园，它可以提供更成功的修剪。成功的修剪可以拓宽单个果实的受光面积，并增加来自目标枝条的营养运输，从而显著提高果实的重量和产量。
引用
@article{arxiv.2207.03638,
title = {A Support Vector Model of Pruning Trees Evaluation Based on OTSU Algorithm},
author = {Yuefei Chen and Xinli Zheng and Chunhua Ju and Fuguang Bao},
journal= {arXiv preprint arXiv:2207.03638},
year = {2022}
}