利用深度信息与色彩空间变化提升甘蓝实例分割的室外鲁棒性
计算机视觉与模式识别
2021-04-01 v1 机器学习
机器人学
摘要
农业中基于图像的产量检测可提升农场的收获效率与栽培表现。遵循此目标，本研究聚焦于改善多变环境条件下大田作物的实例分割。在变化的室外光照条件下记录了五组甘蓝植株数据集。图像由商用单目相机采集。此外，利用运动恢复结构（SfM）由图像序列生成深度信息。采用Mask R-CNN检测并分割甘蓝头。分析了深度信息及不同色彩空间表示的影响。结果表明，深度结合色彩信息使分割精度提升7.1%。通过使用明度与饱和度信息描述的色彩空间结合深度信息，可进一步实现16.5%的分割改善。CIELAB色彩空间结合深度信息层取得了最佳结果，平均精度均值达75。
引用
@article{arxiv.2103.16923,
title = {Using depth information and colour space variations for improving outdoor robustness for instance segmentation of cabbage},
author = {Nils Lüling and David Reiser and Alexander Stana and H. W. Griepentrog},
journal= {arXiv preprint arXiv:2103.16923},
year = {2021}
}
备注
6 pages