基于多光谱图像和无人机的杂草检测机器学习干预——系统综述
图像与视频处理
2024-08-14 v1
摘要
杂草的增长对农业生产力构成重大挑战， necessitating 高效准确的杂草检测和管理策略。多光谱成像与无人机技术的结合已成为一种有前景的解决方法，使能够快速经济地监测大规模农田。本系统综述调查和评估了利用由无人机捕获的多光谱图像进行杂草检测的机器学习干预的最新进展。该研究描述了用于训练的各种模型、从多光谱数据中提取的特征、其效率和对结果的影响、性能分析参数，以及研究人员在该领域面临的当前挑战。该综述遵循PRISMA指南进行。使用了三个来源获取相关材料，屏幕筛选和数据提取在COVIDENCE平台上完成。搜索字符串结果为所有来源的600篇论文。该综述还提供了关于潜在研究方向和进一步发展机会的见解。这些见解将为研究人员、农业科学家和实践者提供有价值的指导，以发展出精确可持续的杂草管理策略，以提高农业生产力并最小化生态影响。
引用
@article{arxiv.2408.06727,
title = {Machine Learning Interventions for Weed Detection using Multispectral Imagery and Unmanned Aerial Vehicles -- A Systematic Review},
author = {Drishti Goel and Bhavya Kapur and Prem Prakash Vuppuluri},
journal= {arXiv preprint arXiv:2408.06727},
year = {2024}
}