利用深度学习与航拍影像大规模绘制工业化家禽养殖场分布图
计算机视觉与模式识别
2021-12-22 v1 机器学习
摘要
集中式动物饲养场（CAFOs）对空气、水和公共健康构成严重风险，但已被证明难以监管。美国政府问责办公室指出，一个基本挑战是缺乏关于 CAFOs 的综合位置信息。我们利用美国农业部国家农业影像计划（NAIP）1米/像素的航拍影像，检测美国本土范围内的家禽 CAFOs。我们训练卷积神经网络（CNN）模型来识别单个家禽养殖棚，并将性能最佳的模型应用于超过 42 TB 的影像，创建了首个全国性的、开源的家禽 CAFOs 数据集。我们针对来自加利福尼亚州 10 个手工标注县的家禽 CAFO 设施位置，在留出验证集上验证了模型预测，并证明该方法在填补环境监测空白方面具有显著潜力。
引用
@article{arxiv.2112.10988,
title = {Mapping industrial poultry operations at scale with deep learning and aerial imagery},
author = {Caleb Robinson and Ben Chugg and Brandon Anderson and Juan M. Lavista Ferres and Daniel E. Ho},
journal= {arXiv preprint arXiv:2112.10988},
year = {2021}
}