沼泽中的 AI：蔓越莓作物风险的监测与评估
计算机视觉与模式识别
2020-11-10 v1 人工智能
摘要
近年来，用于精准农业的机器视觉引起了相当多的研究兴趣。本文的目标是开发一个端到端的蔓越莓健康监测系统，以促成并支持实时蔓越莓过热评估，从而辅助做出可能维持农场经济可行性的明智决策。为此，我们提出两个基于深度学习的主要模块：1）蔓越莓果实分割，以勾画出蔓越莓田图像中暴露于阳光下的确切果实区域；2）云量条件与太阳辐照度预测，以估算暴露蔓越莓的内部温度。我们开发了基于无人机的大田数据采集系统与基于地面的天空数据采集系统，在多个时间点收集视频图像用于作物健康分析。在该数据集上的大量评估表明，以较高精度（0.02% MAPE）预测暴露果实的内部温度是可行的。在 5–20 分钟时间范围内，太阳辐照度预测误差为 8.41–20.36% MAPE。在暴露果实识别中，分割的 mIoU 为 62.54%，计数的 MAE 为 13.46，该系统能够向种植者提供知情反馈，以便在不久的将来具有较高晒伤风险的已识别作物田区域采取预防措施（如灌溉）。尽管这一新颖系统应用于蔓越莓健康监测，它代表了高效农业的先驱性一步，并在超出蔓越莓过热问题的精准农业中具有用处。
引用
@article{arxiv.2011.04064,
title = {AI on the Bog: Monitoring and Evaluating Cranberry Crop Risk},
author = {Peri Akiva and Benjamin Planche and Aditi Roy and Kristin Dana and Peter Oudemans and Michael Mars},
journal= {arXiv preprint arXiv:2011.04064},
year = {2020}
}
备注
IEEE Winter Conference on Applications of Computer Vision (WACV) 2021