一種基於地面遙感延時圖像的咖啡花識別方法

2021-02-19 植物表型資訊

點擊藍色字免費訂閱，每天收到這樣的好資訊

2020年10月，Plant Phenomics刊發了浙江大學遙感與信息技術應用研究所題為」Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images「的研究論文，本文介紹了一種基於地面遙感延時圖像的咖啡花識別方法，植物表型資訊介紹如下。

咖啡是全球三大主要飲料之一，具有重要的經濟價值。咖啡花的早期監測在開花調節，灌溉，產量預測和其他作物管理任務中至關重要。因此，準確識別咖啡花是更好地管理這些任務的關鍵。然而，常用的遙感平臺由於其較低的時空解析度並不能實現對咖啡花這一類小目標作物的精準監測。本文介紹了一種基於地面遙感延時圖像的咖啡花識別方法。為了實現種植園區中咖啡花的精準監測，本文採用基於地面遙感的高時空解析度延時圖像，並將二值化算法和卷積神經網絡相結合，進而提取出圖像中所包含的咖啡花信息。

Figure1: The five flowering events. (a–e) represent the images acquired on March 7th,March 25th, April 11th, April 27th, and May 25th,2017, respectively.

通過目視解譯，可以發現白色的咖啡花和周圍背景存在比較明顯的色差，這意味著可以找到最佳的顏色閾值，以實現咖啡花的粗提取。基於色差特徵，利用OTSU算法提取原始圖像中的咖啡花信息，可以發現咖啡花和背景的邊界得到了較好地區分。但是，由於二者邊界以外的部分背景噪聲所對應的像素值與咖啡花相似，造成了咖啡花的過識別。而該現象可以利用二者的空間特徵差異進行抑制。所以，為了實現咖啡花的精準監測，本文創新性地將二值化和Path-basedCNN相結合（即所提方法：Bin+CNN）：首先，基於訓練好的CNN模型，使用滑動窗口對整個圖像進行預測，以實現對咖啡花和背景信息的初始識別，並保存該識別結果；然後，基於OTSU算法，計算出原始灰度圖像中咖啡花和背景之間的最佳閾值，從而可以有效地將咖啡花的邊界輪廓與背景分離；最後，以CNN模型的背景識別結果為基礎，對二值化結果的相應位置進行更新，以抑制二值化結果中背景信息被誤識別為咖啡花的現象，並將更新後的二值化結果作為最終的咖啡花識別結果。

Figure2: Binarization processing.(a) Original image. (b) Results of the binarization.

基於不同拍攝俯角以及不同光照條件下的圖像，將所提方法（Bin+CNN）和CNN以及基於超像素的SVM分類器進行對比分析，實驗結果表明Bin+CNN具有更好的咖啡花識別性能。基於Bin+CNN方法，在柔光條件下，拍攝俯角為52.5°圖像的咖啡花識別精度最高，對應的F1和IoU分別可以達到0.80和0.67。

Figure 3: Theidentification result of the image with depression angles of 52.5° under softlighting conditions using Bin+CNN model. (a)~(c) are the original images,ground truth maps, and the identification results of the Bin+CNN, respectively.

作者介紹：

浙江大學遙感與信息技術應用研究所尉鵬亮博士生為第一作者，浙江大學遙感與信息技術應用研究所黃敬峰教授為通訊作者。該研究得到國家自然科學基金資助(41471277)，使用的數據來自於江蘇省無線電科學研究所有限公司。

來源：

Wei P, Jiang T,Peng H, et al. Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images. Plant Phenomics. https://doi.org/10.34133/2020/6323965.

國際植物表型網絡IPPN介紹和入會指南

表型資訊3周年目錄匯總

植物表型資訊2020年1-9月目錄匯總

 點擊「在看」，助力傳播 

相關焦點

  • Plant Phenomics | 浙江大學黃敬峰教授課題組提出了一種基於地面遙感延時圖像的咖啡花識別方法
    咖啡花的早期監測在開花調節，灌溉，產量預測和其他作物管理任務中至關重要。因此，準確識別咖啡花是更好地管理這些任務的關鍵。然而，常用的遙感平臺由於其較低的時空解析度並不能實現對咖啡花這一類小目標作物的精準監測。
  • 基於Transformer的高效、低延時、流式語音識別模型
    模型在流式語音識別中的問題，科研人員提出了基於塊（chunk）和基於記憶（memory）的兩種解決方案。 快速訓練和解碼 Mask is all you need 針對上述問題，微軟的研究員們提出了一種快速進行訓練和解碼的方法。該方法十分簡單，只需要一個掩碼矩陣便可以讓一個非流的 Transformer 變成流的 Transformer。
  • 基於百度EasyDL定製化圖像識別平臺的海洋魚類識別方法
    本文作者：範偉亞【目的】魚類識別對漁業資源的開發利用有著重要的意義。針對海底環境惡劣、拍攝環境亮度低、場景模糊的實際情況導致海底觀測視頻品質差，視頻中的魚類識別難的問題以及現有魚類識別方法存在的魚類標註數據集過少導致訓練的深度模型準確度不高的問題。【方法】本文提出了一種基於百度EasyDL定製化圖像識別平臺的海底魚類識別方法。
  • 用深度學習理解遙感圖像,識別效率提升90倍 | PaddlePaddle出品
    識別的準確度也達到了84%。這並不是個案特例，而是整個應用方向的集體提升，正切切實實發生在中科院遙感地球所。這一躍遷是怎麼發生的？又是一個怎樣的過程？AI在圖像識別領域中已經頗有建樹許多年，為什麼到現在能力才體現出來？
  • 遙感數據地面接收、處理與分發系統
    氣象衛星地面系統負責我國風雲氣象衛星及國外其它遙感衛星的數據接收、傳輸、處理、存檔和分發服務，負責向用戶提供多種級別的高質量，高時效大氣、陸地和海洋遙感圖像和定量產品。系統具有自主控制衛星境內外探測計劃能力，可自動運行、集中調度、多星數據實時接收與境外探測延時回放處理、數據實時通信傳輸、分布式處理、多種產品製作、海量數據存檔、快速網絡分發等先進功能。　　地面站主要用於接收我國海洋一號衛星HY-1A/B衛星及其後繼星X波段傳輸的遙感數據，同時兼容接收美國TERRA/AQUA衛星傳輸的遙感數據。
  • 武漢大學CVEO小組:一種基於卷積神經網絡的高解析度遙感影像分類方法
    基於對象的圖像分類（OBIC）已經成為超高解析度遙感影像土地利用的主流框架。OBIC可以利用高解析度遙感影像中的紋理、空間幾何信息，與基於像素的圖像分類（PBIC）框架相比，在一定程度上克服了「椒鹽」現象。 　　OBIC框架通常包括圖像預處理，圖像分割，特徵提取和監督分類等過程。
  • 多光譜可見光遙感圖像壓縮系統設計
    摘要：為了實現多光譜可見光遙感圖像高質量壓縮的要求，提出以JPEG2000壓縮標準為理論，將FPGA與專用壓縮晶片ADV212相結 合的空間遙感圖像壓縮方法。
  • 基於STFT濾波算法的指紋圖像識別系統的設計與實現
    美國S.P等人提出了包括三種基於細節特徵和一種基於濾波的聯合匹配的算法，實驗發現這種算法確實能夠提高指紋識別的精度；韓國 C.W等人提出了一種名為無參數密度估計快速匹配的算法，該算法首先利用parzen密度估計來篩選出候選指紋，接下來利用三個隨機特徵點間的三角型關係對指紋進行匹配；印度A.B等人提出了一種利用任意兩點間的距離和連線與坐標軸的夾角進行部分點模式序列匹配的名為基於脊線運動方向和脊線中像素點的序列模式的匹配算法
  • 高光譜遙感就是「火眼金睛」
    這些獨特的光譜特性，類似於人類指紋的功能，是遙感科學中用以識別和分析不同物體特徵的一種重要的「身份證」。　　高光譜遙感實際上是一種簡稱，它的全稱叫「高光譜解析度遙感」。它不像多光譜遙感中根據顏色的差異來分辨目標，而是根據譜段光譜曲線的形態來分析目標是什麼。光譜分析是人類藉助光認知世界的重要方式。如果說肉眼光學成像能看到物質的形狀、尺寸等信息，光譜分析則能獲取物質的成分信息。
  • 【北京日報】高光譜遙感就是「火眼金睛」
    這些獨特的光譜特性，類似於人類指紋的功能，是遙感科學中用以識別和分析不同物體特徵的一種重要的「身份證」。　　高光譜遙感實際上是一種簡稱，它的全稱叫「高光譜解析度遙感」。它不像多光譜遙感中根據顏色的差異來分辨目標，而是根據譜段光譜曲線的形態來分析目標是什麼。光譜分析是人類藉助光認知世界的重要方式。如果說肉眼光學成像能看到物質的形狀、尺寸等信息，光譜分析則能獲取物質的成分信息。
  • 基於matlab圖像識別的基本操作方法(以番茄識別為例)
    原圖4.1番茄圖像的識別（插圖非常困難，只插入少量圖片）在番茄圖像識別處理的過程中，第一步就是番茄圖像的前期處理。番茄圖像前期處理的主要作用是突出所需要的部分，消除掉不需要的信息，提取感興趣的區域。番茄圖像的前期處理效果決定了番茄的識別效果，所以番茄圖像的前期處理是非常關鍵的步驟。本章將會從番茄圖像採集分類、空間濾波、彩色模型的選擇、番茄圖像分割和形態學處理方法對其進行介紹。4.1.1番茄圖像空間濾波由於拍攝的番茄圖像中往往會存在噪聲，數字番茄圖像就不能反映真實的場景。
  • 多源空譜遙感圖像質量改善問題之討論
    多源空譜遙感圖像融合是遙感領域提升圖像解析度的一個重要研究方法，也是多光譜圖像（MSI）和高光譜圖像（HSI）分析領域的一個熱點問題。雖然成像探測技術已經由低空間解析度向高空間解析度，由低光譜解析度到高光譜解析度發展，但是對於光譜細分成像探測而言，空間解析度和光譜解析度往往是矛盾的。
  • 遙感圖像處理中的深度學習專題 《中國科學:信息科學》英文版
    在對地觀測領域, 由大量在軌衛星獲取的海量遙感數據, 使其成為數據驅動應用的典範. 過去幾年來, 遙感圖像處理相關的深度學習研究快速增長, 包括高光譜遙感圖像、合成孔徑雷達(SAR)圖像等處理、分類、參數反演及目標檢測識別.
  • 【乾貨】定量/高光譜遙感之—光譜分析技術
    在這個過程中，如果一種物質A中摻和其他物質B而造成物質A的波譜特徵發生變化，可以建立物質A、物質B與波譜特徵變化三者之間的關係，這個也是定量遙感中物質反演的一個基本過程之一；在這個過程中另外一個情況，地物波譜特徵用圖像或者波譜曲線表示，用已知的波譜曲線A和未知的波譜曲線B進行對比分析，從而得出波譜曲線A和B是否一致，或者佔多大比重。這個是高光譜遙感中的波譜識別的基本原理。
  • 基於慣性導航、RFID 及圖像識別的 AGV 融合導航系統
    汪思迪 曹小華 周 勇武漢理工大學物流工程學院 武漢 430063摘要：提出一種新型的AGV 定位導航方案，通過RFID 與圖像識別解決慣性導航誤差累計的缺陷，以STM32為主控制器實現對平臺的數據採集和姿態計算，由傳感器得到平臺的加速度、角速度，採用四元數法作為平臺的姿態更新算法，經濾波後得到平臺的姿態角。
  • 溼地受損遙感識別方法及其在天津濱海新區的應用
    基於多時期土地利用數據和長時間序列的Landsat影像數據,利用馬爾科夫轉移矩陣和GIS空間分析法分析溼地類型受損狀況,利用趨勢分析法分析長時間序列和不同階段的溼地植被、水體和土壤溼度要素受損狀況,構建了溼地受損遙感識別方法,綜合溼地類型和溼地要素受損狀況,分析溼地受損模式,並在天津濱海新區進行案例研究。
  • 一種基於人工智慧的腦圖像處理方法
    打開APP 一種基於人工智慧的腦圖像處理方法 MedPeer 發表於 2019-10-22 16:41:57 （文章來源：MedPeer
  • 高光譜圖像的多樣化應用和推廣介紹
    目前，基於高光譜數據的目標探測及精準識別技術已在多個國家制定了實用可靠的發展計劃。在軍事作戰環境下，對綠色偽裝材料的檢測是偽裝檢測過程中的重要環節，基於高光譜圖像開展偽裝檢測可以利用植物的紅邊效應（植被在680~720nm波段範圍反射率升高），通過檢測其位置和斜率的特徵就可以識別植被的種類和狀態；而現有綠色偽裝材料的光譜曲線大體上可以與植被相吻合，但是在高光譜細微的分辨能力下，經過偽裝的目標也無所遁形。
  • 基於圖像採集的汽車車牌定位識別,軟硬體協同
    目前車牌定位的方法很多，最常見的定位技術主要有基於邊緣檢測的方法、基於彩色分割的方法、基於小波變換的方法、基於遺傳算法的方法、基於數學形態學的車牌定位和基於灰度圖像紋理特徵分析的方法等，車牌定位算法在車牌識別技術中佔有很重要地位，一個車牌識別系統的識別率往往取決於車牌定位的成功率及準確度，考慮到FPGA適合做數據量大且運算簡單重複的特點，我們將採用基於數學形態學的方法來進行定位
  • 遙感基於「距離感知」的傳統技術方案不可行
    距離感知無遺漏通過分析各種遙感數據，一些距離信息早期可以從三軸六軸等平面信息獲取，目前有無線電遙感手機觀測衛星導航獲取。用我的文獻綜述的一段話，傳達下意思：遙感基於「距離感知」的傳統技術方案不可行。簡而言之，遠看很美，近看不美。有幾種方法：第一個方法，把遙感圖像射向目標，只能被目標反射，不能被內部反射，如果把圖像遙感位移輸入雷射雷達，就可以有不同的效果。