基于 Lambda 架构计算机视觉深度神经网络的高通量棉花表型大数据流水线
计算机视觉与模式识别
2023-05-10 v1 机器学习
摘要
本研究提出一种用于棉花开花检测的 Lambda 架构大数据流水线，其支持数据的实时与批处理。我们所提方法利用 Azure 资源，如 Data Factory、Event Grids、Rest APIs 与 Databricks。该工作是首个通过 Azure 云计算服务开发并演示用于植物表型的此类流水线实现的工作。所提流水线由数据预处理、使用经 Azure AutoML 训练的 YOLOv5 神经网络模型进行物体检测，以及在输出图像上可视化物体检测边界框组成。训练后的模型取得 0.96 的平均精度均值（mAP）分数，展示了其在棉花开花分类上的高性能。我们使用 9000 张图像评估 Lambda 架构流水线，得到 34 分钟的优化运行时间。结果说明了所提流水线作为深度学习物体检测解决方案的可扩展性，并可通过额外 Azure 处理核进一步扩展。该工作通过提供一种在大型数据集上进行棉花开花检测的新方法推进了科学研究领域，并展示了利用云计算资源（特别是 Azure）在精准农业中进行高效准确大数据处理的潜力。
引用
@article{arxiv.2305.05423,
title = {High-throughput Cotton Phenotyping Big Data Pipeline Lambda Architecture Computer Vision Deep Neural Networks},
author = {Amanda Issac and Alireza Ebrahimi and Javad Mohammadpour Velni and Glen Rains},
journal= {arXiv preprint arXiv:2305.05423},
year = {2023}
}