基于深度学习分割方法的无人机多光谱图像葡萄藤病害检测
图像与视频处理
2020-05-14 v1
摘要
未来农业的主要目标之一是在显著减少投入品使用的同时，提高农业生产力尤其是生产质量。实现这一目标是一项真正的科技挑战。智能农业是有望为葡萄园管理带来有趣解决方案并减少环境影响的有前景途径之一。自动葡萄藤病害检测可提高葡萄园作物管理的效率与灵活性，同时减少化学投入。这一点如今比以往任何时候都更为必要，因为农药的使用正受到日益严格的审查与管控。目标是在葡萄园中绘制病害区域地图以实现快速精准处理，从而保障葡萄藤健康状态的维持，这对产量管理至关重要。为解决此问题，本文提出一种利用无人机（UAV）图像上深度学习分割方法进行葡萄藤病害检测的方案。该方法基于来自两个不同传感器的可见光与红外图像的组合。我们开发了一种新的图像配准方法以对齐可见光与红外图像，从而实现两传感器信息的融合。一个全卷积神经网络利用该信息将每个像素按不同实例（即阴影、地面、健康与症状）进行分类。所提方法在葡萄藤级别达到超过 92% 的检测率，在叶片级别达 87%，展现出计算机辅助葡萄园病害检测的良好前景。
引用
@article{arxiv.1912.05281,
title = {Vine disease detection in UAV multispectral images with deep learning segmentation approach},
author = {Mohamed Kerkech and Adel Hafiane and Raphael Canals},
journal= {arXiv preprint arXiv:1912.05281},
year = {2020}
}