基于无人机遥感影像深度学习检测玉米田中的自生棉植株
计算机视觉与模式识别
2022-07-15 v1 人工智能
摘要
棉铃象甲（Anthonomus grandis Boheman）是美国棉花产业的严重害虫，自19世纪末从墨西哥进入美国以来已造成超过160亿美元的损失。该害虫已基本被根除；然而，得克萨斯州南部仍面临此问题，并且由于其亚热带气候可使棉花全年生长，每年都易遭受该害虫的再次侵染。生长在玉米等季间作物田中的自生棉（VC）植株一旦达到针尖花蕾期（5-6叶期）即可成为这些害虫的宿主，因此需要被检测、定位并销毁或喷药。在本文中，我们提出一项利用YOLOv3对无人飞机系统（UAS）采集的三波段航拍图像检测玉米田中VC植株的研究。本文的双重目标是：（i）确定YOLOv3是否可用于基于UAS采集的RGB（红、绿、蓝）航拍图像进行玉米田VC检测；（ii）基于平均精度（AP）、均值平均精度（mAP）和95%置信水平下的F1-score，考察YOLOv3在三种不同尺度图像（320×320，S1；416×416，S2；512×512，S3像素）上的表现。三种尺度的mAP无显著差异，而S1与S3（p=0.04）、S2与S3（p=0.02）之间的AP存在显著差异。S2与S3之间的F1-score也存在显著差异（p=0.02）。三种尺度下mAP均无显著差异表明，训练好的YOLOv3模型可用于基于计算机视觉的远程驾驶航拍应用系统（RPAAS）中，实现近实时的VC检测与喷药作业。
引用
@article{arxiv.2207.06673,
title = {Detecting Volunteer Cotton Plants in a Corn Field with Deep Learning on UAV Remote-Sensing Imagery},
author = {Pappu Kumar Yadav and J. Alex Thomasson and Robert Hardin and Stephen W. Searcy 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:2207.06673},
year = {2022}
}
备注
38 Pages