关于野外蚜虫集群的实时语义分割
计算机视觉与模式识别
2023-07-21 v1 人工智能
摘要
蚜虫侵染会对小麦和高粱田造成广泛损害并传播植物病毒，导致农业中显著的产量损失。为解决此问题，农民常依赖化学农药，在大面积田块上低效施用。结果，大量农药浪费在无害虫区域，而严重侵染区域施用量不足。本文关注对一种能够定位并喷洒复杂作物冠层内侵染区域的智能自主系统的迫切需求，以减少农药使用与环境影响。我们已在田间收集并标注了一个大型蚜虫图像数据集，并提出使用实时语义分割模型来分割蚜虫集群。我们生成了一个多尺度数据集，以便在不同尺度上学习集群。我们在蚜虫集群数据集上比较了四种最先进（SOTA）实时语义分割模型的分割速度与精度，并以非实时模型作为基准。研究结果表明实时解决方案的有效性，其可减少低效农药使用并提高作物产量，为自主害虫检测系统铺平道路。
引用
@article{arxiv.2307.10267,
title = {On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild},
author = {Raiyan Rahman and Christopher Indris and Tianxiao Zhang and Kaidong Li and Brian McCornack and Daniel Flippo and Ajay Sharda and Guanghui Wang},
journal= {arXiv preprint arXiv:2307.10267},
year = {2023}
}