基于视觉的蔓越莓作物成熟度评估
计算机视觉与模式识别
2023-09-04 v1
摘要
农业领域正被支持定量视觉评估的 AI 与计算机视觉最新进展所变革。利用无人机成像,我们开发了一个刻画蔓越莓作物成熟过程的框架。我们的方法包括蔓越莓生长期的无人机时间序列采集、用于从像素恢复反照率的测光校准,以及使用点选标注的半监督深度学习网络进行浆果分割。通过提取时间序列浆果反照率测量值,我们评估了四种不同蔓越莓品种并提供了其成熟速率的量化。此类量化对以下方面具有实际意义:1)评估蔓越莓沼泽的实时过热风险;2)作物育种中后代的的大规模比较;3)通过寻找成熟模式离群点检测病害。这项工作是使用计算机视觉方法进行成熟度定量评估的首次尝试,其影响超越蔓越莓作物,涵盖酿酒葡萄、橄榄、蓝莓和玉米。
引用
@article{arxiv.2309.00028,
title = {Vision-Based Cranberry Crop Ripening Assessment},
author = {Faith Johnson and Jack Lowry and Kristin Dana and Peter Oudemans},
journal= {arXiv preprint arXiv:2309.00028},
year = {2023}
}