茎水势测定中基于视觉的木质部湿度分类
机器人学
2024-09-26 v1 计算机视觉与模式识别
摘要
灌溉中水资源常被过度使用，因此高效的水资源管理至关重要。精准农业强调使用茎水势（Stem Water Potential, SWP）分析等工具来更好地确定植物状态。然而，此类工具通常需要费时费力的原位采样。自动化与机器学习可以简化这一过程并改善结果。本工作重点使用Scholander压力室（一种广泛使用但要求苛刻的SWP测量方法）实现茎检测和木质部湿度分类的自动化。目的是优化茎检测并开发基于计算机视觉的方法，以更好地对木质部水分渗出进行分类。为此，我们收集并手动标注了视频数据，应用基于视觉和学习的方法进行检测和分类。此外，我们探索了数据增强并微调了参数，以识别最有效的模型。所确定的用于茎检测和木质部湿度分类的最佳性能模型在20次SWP测量中进行了端到端评估。通过YOLOv8n进行基于学习的茎检测，结合基于ResNet50的分类，实现了80.98%的Top-1准确率，使其成为木质部湿度分类中表现最佳的方法。
引用
@article{arxiv.2409.16412,
title = {Vision-based Xylem Wetness Classification in Stem Water Potential Determination},
author = {Pamodya Peiris and Aritra Samanta and Caio Mucchiani and Cody Simons and Amit Roy-Chowdhury and Konstantinos Karydis},
journal= {arXiv preprint arXiv:2409.16412},
year = {2024}
}