基于无人机时序图像二维轮廓图的大豆熟度预测
计算机视觉与模式识别
2024-12-16 v1
摘要
育种项目需要评估成熟天数，以便准确选择并将条目置于合适的测试中。在育种管道的早期阶段，大豆育种项目会为实验性品种分配相对熟度评级，以指示其适合的熟度区域。传统上，育种者手动检查田间并通过目视评估来估计育种品种的熟度值。这种方法高度依赖评估员的判断，具有主观性和耗时性。本研究旨在开发一种基于无人机时序图像的大豆熟度评估机器学习模型。图像以三日为间隔捕获，从最早的品种开始成熟，持续至最后的品种完全成熟。本实验收集的数据包括2021至2023年间共计22,043个小区，代表相对熟度为1.6至3.9的品种。我们利用从时序无人机 RGB 图像中提取的轮廓图图像作为神经网络模型的输入。这种轮廓图方法将每个小区的时间和空间变化编码为单一图像。训练了深度学习模型以利用该轮廓图预测熟度评级。该模型显著提高了准确性和鲁棒性，达到最高85%的准确率。我们还评估了在减少时间点数后模型的准确性，量化了时间分辨率与熟度预测之间的权衡。该预测模型提供了可扩展、客观且高效的作物熟度评估方式，使表型学和机器学习方法能够减少对人工检查和主观评估的依赖。该方法实现了对育种项目中相对熟度评级的自动预测，节省了时间和资源。
引用
@article{arxiv.2412.09696,
title = {Soybean Maturity Prediction using 2D Contour Plots from Drone based Time Series Imagery},
author = {Bitgoeul Kim and Samuel W. Blair and Talukder Z. Jubery and Soumik Sarkar and Arti Singh and Asheesh K. Singh and Baskar Ganapathysubramanian},
journal= {arXiv preprint arXiv:2412.09696},
year = {2024}
}