基于地面遥感延时图像的咖啡花识别方法

Plant Phenomics | 浙江大学黄敬峰教授课题组提出了一种基于地面遥感延时图像的咖啡花识别方法


 

咖啡是全球三大主要饮料之一，具有重要的经济价值。咖啡花的早期监测在开花调节，灌溉，产量预测和其他作物管理任务中至关重要。因此，准确识别咖啡花是更好地管理这些任务的关键。然而，常用的遥感平台由于其较低的时空分辨率并不能实现对咖啡花这一类小目标作物的精准监测。

2020年10月，Plant Phenomics刊发了浙江大学遥感与信息技术应用研究所题为Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images的研究论文，本文介绍了一种基于地面遥感延时图像的咖啡花识别方法。为了实现种植园区中咖啡花的精准监测，本文采用基于地面遥感的高时空分辨率延时图像，并将二值化算法和卷积神经网络相结合，进而提取出图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.

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

基于不同拍摄俯角以及不同光照条件下的图像，将所提方法（Bin+CNN）和CNN以及基于超像素的SVM分类器进行对比分析，实验结果表明Bin+CNN具有更好的咖啡花识别性能。基于Bin+CNN方法，在柔光条件下，拍摄俯角为52.5°图像的咖啡花识别精度最高，对应的F1和IoU分别可以达到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.