基于无人机遥感影像与定点喷洒应用的玉米田中自生棉计算机视觉检测
图像与视频处理
2022-07-18 v1 人工智能
摘要
为控制棉铃象甲（Anthonomus grandis L.）在棉田中的再次侵染，当前在玉米（Zea mays L.）和高粱（Sorghum bicolor L.）等轮作作物田中检测自生棉（VC）（Gossypium hirsutum L.）植株的做法是在田边进行人工踏查。这导致许多生长在田中央的 VC 植株未被发现，继续与玉米和高粱伴生生长。当它们到达现蕾初期（5-6 片叶）时，可作为棉铃象甲害虫的宿主。因此，需要检测、定位它们并随后用化学药剂进行精确定点喷洒。本文中，我们展示了将 YOLOv5m 应用于经过辐射定标与伽马校正的低分辨率（1.2 兆像素）多光谱影像，以检测和定位生长在玉米抽雄（VT）生长阶段的玉米田中央的 VC 植株。我们的结果表明，在 1207 x 923 像素大小的影像上，VC 植株的检测平均精度（mAP）为 79%，分类准确率为 78%，在 NVIDIA Tesla P100 GPU-16GB 上平均推理速度近 47 帧每秒（FPS），在 NVIDIA Jetson TX2 GPU 上为 0.4 FPS。我们还展示了基于所开发的计算机视觉（CV）算法的定制无人机系统（UAS）用于定点喷洒应用，以及其如何用于近实时检测与治理玉米田中生长的自生棉植株，以高效管理棉铃象甲害虫。
引用
@article{arxiv.2207.07334,
title = {Computer Vision for Volunteer Cotton Detection in a Corn Field with UAS Remote Sensing Imagery and Spot Spray Applications},
author = {Pappu Kumar Yadav and J. Alex Thomasson and Stephen W. Searcy and Robert G. Hardin and Ulisses Braga-Neto and Sorin C. Popescu and Daniel E. Martin and Roberto Rodriguez and Karem Meza and Juan Enciso and Jorge Solorzano Diaz and Tianyi Wang},
journal= {arXiv preprint arXiv:2207.07334},
year = {2022}
}
备注
39 pages