基于图像的休耕杂草检测在萝卜与燕麦上至 30 km h$^{-1}$ 速度下的性能研究
计算机视觉与模式识别
2023-05-18 v1
摘要
位点特异性杂草控制（SSWC）可大幅降低杂草防控成本与除草剂用量。尽管机器视觉在 SSWC 系统中前景广阔，且地面速度对杂草防控效力十分重要，但关于地面速度与相机特性对杂草检测性能作用的研究甚少。在此，我们利用开源 OpenWeedLocator 平台比较四种相机-软件组合的性能——（1）树莓派 HQ 相机默认设置，（2）HQ 相机优化软件设置，（3）树莓派 v2 相机优化软件设置，（4）全局快门 Arducam AR0234 相机——速度范围从 5 km h 至 30 km h。采用结合过量绿色（ExG）与色调、饱和度、明度（HSV）阈值的算法，在休耕条件下以耕作萝卜（Raphanus sativus）与饲用燕麦（Avena sativa）分别作为代表性阔叶与禾本杂草进行测试。ARD 在相机系统中召回率最高，于 5 km h 检出达 95.7% 杂草，30 km h 时为 85.7%。HQ1 与 V2 相机在 30 km h 时召回率最低，分别为 31.1% 与 26.0%。所有相机召回率随速度提升而下降。HQ1 降幅最大，速度每增 1 km h，耕作萝卜与饲用燕麦召回率分别降 1.12% 与 0.90%。各相机对禾本饲用燕麦的检出均差于（P<0.05）阔叶耕作萝卜。尽管召回率有异，HQ1、HQ2 与 V2 在所有测试速度下均保持近完美精度。地面速度与相机系统对禾本与阔叶杂草检测性能的差异化影响表明，开发 SSWC 系统时必须审慎考量硬件与软件。
引用
@article{arxiv.2305.10311,
title = {Investigating image-based fallow weed detection performance on Raphanus sativus and Avena sativa at speeds up to 30 km h$^{-1}$},
author = {Guy R. Y. Coleman and Angus Macintyre and Michael J. Walsh and William T. Salter},
journal= {arXiv preprint arXiv:2305.10311},
year = {2023}
}
备注
15 pages, 9 figures, 3 tables