利用计算机视觉通过街景影像监测作物物候
计算机视觉与模式识别
2021-12-20 v1 应用统计
摘要
街景影像在扩大原位数据收集规模方面具有显著潜力。这得益于将廉价高质量相机的使用与深度学习计算方案的最新进展相结合，以提取相关专题信息。我们提出一个利用计算机视觉从街景影像中收集和提取作物类型与物候信息的框架。在 2018 年生长季，使用侧视运动相机在荷兰 Flevoland 省拍摄了高清图片。从 3 月到 10 月的每个月，一条固定的 200 公里路线被巡查，每秒采集一张图片，总计 400,000 张带地理标签的图片。在 220 个特定地块位置，对 17 种作物记录了详细的现场作物物候观测。此外，时间跨度包含了特定的出苗前地块阶段，例如春播和夏播作物不同的耕作裸土，以及收获后栽培措施，如绿肥和填闲作物。分类使用 TensorFlow 与知名的图像识别模型，基于卷积神经网络(MobileNet)的迁移学习完成。开发了一种超参数调优方法，以从 160 个模型中获取性能最佳的模型。该最佳模型应用于独立推断集，在地块层级以宏 F1 分数 88.1% 区分作物类型，以 86.9% 区分主要物候阶段。文中讨论了该方法的潜力与缺陷，以及实施与改进的实际考量。所提出的框架加快了高质量原位数据收集，并指出了通过利用计算机视觉的自动分类进行海量数据收集的途径。
引用
@article{arxiv.2112.09190,
title = {Monitoring crop phenology with street-level imagery using computer vision},
author = {Raphaël d'Andrimont and Momchil Yordanov and Laura Martinez-Sanchez and Marijn van der Velde},
journal= {arXiv preprint arXiv:2112.09190},
year = {2021}
}
备注
18 pages