基于深度学习方法的无人机图像玉米植株异常识别
计算机视觉与模式识别
2023-10-23 v1
摘要
早期识别植株异常是保障作物正常生长与高产的重要任务。精准农业可显著受益于现代计算机视觉工具，使应对这些问题的农作策略高效且有效。由于农田通常面积很大，农民必须人工检查广阔区域以确定植株状况并施以适当处理。本工作中，我们考虑从无人机捕获的图像中自动识别玉米植株异常区域的问题。利用深度学习技术，我们开发了一种方法，可独立于生长阶段检测玉米植株中不同等级的异常（即低、中、高或无异常）。首要目标是在尽可能早的阶段识别异常，以最大化潜在处理的效果。同时，所提系统可通过帮助人工标注者将注意力集中于小得多的图像子集，为其提供有价值的真值数据收集信息。我们尝试了两种不同但互补的方法，第一种将异常检测视为分类问题，第二种将其视为回归问题。两种方法均可推广至不同类型的异常，且不对异常发生于植株早期生长阶段做任何假设——该阶段或因植株较小且更易分离而更易检测。作为一个案例研究，我们采用了一个公开数据集，其展现的主要是各生长阶段玉米植株的氮缺乏。我们报告了有前景的初步结果：低异常检测准确率达 88.89%，无异常检测准确率达 100%。
引用
@article{arxiv.2310.13201,
title = {Identification of Abnormality in Maize Plants From UAV Images Using Deep Learning Approaches},
author = {Aminul Huq and Dimitris Zermas and George Bebis},
journal= {arXiv preprint arXiv:2310.13201},
year = {2023}
}
备注
Paper accepted and presented at the 18th International Symposium on Visual Computing (ISVC)