PlantPlotGAN：一种用于植物病害预测的物理学信息生成对抗网络
计算机视觉与模式识别
2024-09-17 v1 机器学习
图像与视频处理
摘要
监测种植园对作物管理和产出健康收成至关重要。无人 aerial vehicles (UAVs) 已被用于采集多光谱图像以辅助此类监测。然而，鉴于需监测的公顷数及飞行限制，植物病害信号仅在植物生长后期且病害已蔓延至种植园相当部分时才在视觉上变得清晰。这种有限的相关数据阻碍了预测模型，因为算法难以用不平衡或不切实际的增强数据集有效泛化模式。为解决此问题，我们提出 PlantPlotGAN，一种物理学信息生成模型，能够生成具有真实植被指数的合成多光谱地块图像。这些指数作为病害检测的代理，并用于评估我们的模型是否有助于提升预测模型的精度。结果表明，PlantPlotGAN 生成的合成图像在 Fréchet inception distance 上优于最先进的方法。此外，与仅基于真实图像的训练过程相比，使用合成与原始图像训练预测模型在早期植物病害检测中获得了更高的精度指标。
引用
@article{arxiv.2310.18268,
title = {PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction},
author = {Felipe A. Lopes and Vasit Sagan and Flavio Esposito},
journal= {arXiv preprint arXiv:2310.18268},
year = {2024}
}
备注
Accepted in IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2024