多光谱葡萄园分割：一种深度学习方法
计算机视觉与模式识别
2022-08-18 v3 机器人学
摘要
近年来，得益于自动化和计算智能在农业领域（包括作为地中海地区重要作物的葡萄园）的技术发展，数字农业取得了显著进步。本工作通过探索最先进的深度分割网络和传统的无监督方法，对真实葡萄园中的葡萄藤检测进行语义分割研究。我们使用配备双成像传感器载荷（即高清RGB相机和五波段多光谱及热成像相机）的无人机系统（UAS）在葡萄园采集相机数据。在代表葡萄牙中部地区四个不同葡萄园的多模态数据集上，我们利用深度分割网络和无监督方法进行了大量实验。报告结果表明，SegNet、U-Net和ModSegNet在葡萄藤分割方面具有相当的总体性能。结果还表明，多模态略微提升了葡萄藤分割的性能，但仅使用近红外（NIR）光谱在大多数数据集上通常已足够。此外，结果表明高清RGB图像产生的性能等同于或高于任何低分辨率多光谱波段组合。最后，深度学习（DL）网络的总体性能高于传统方法。代码和数据集已公开于 https://github.com/Cybonic/DL_vineyard_segmentation_study.git。
引用
@article{arxiv.2108.01200,
title = {Multispectral Vineyard Segmentation: A Deep Learning approach},
author = {T. Barros and P. Conde and G. Gonçalves and C. Premebida and M. Monteiro and C. S. S. Ferreira and U. J. Nunes},
journal= {arXiv preprint arXiv:2108.01200},
year = {2022}
}
备注
Accepted in Computer and Electronics in Agriculture journal