Key points are not available for this paper at this time.
Les images de véhicules aériens non habités (VANH) ont un grand potentiel pour diverses applications agricoles. En particulier, les systèmes VANH facilitent la collecte de données précise et en temps opportun dans les champs agricoles à des résolutions spatiales et temporelles élevées. Dans cette étude, nous proposons un algorithme de détection automatique des capsules de coton ouvertes utilisant des images VANH à ultra-haute résolution spatiale. Les points de semence pour un algorithme de croissance régionale ont été générés hiérarchiquement avec une base aléatoire pour une efficacité de calcul. Les candidates aux capsules de coton ont été déterminées en fonction des caractéristiques spatiales de chaque segment de croissance régionale. Des valeurs de seuil spectral qui séparent automatiquement les capsules de coton d'autres objets non ciblés ont été dérivées sur la base des images d'entrée pour une application adaptative. Enfin, une classification binaire des capsules de coton a été réalisée en utilisant les valeurs de seuil dérivées et d'autres filtres morphologiques pour réduire le bruit des résultats. Les résultats de classification des capsules de coton ouvertes ont été validés à l'aide de données de référence et les résultats ont montré une précision supérieure à 88 % dans diverses mesures d'évaluation. De plus, la zone de capsules de coton extraite par les VANH et le rendement réel des cultures avaient une forte corrélation positive (0,8). La méthode proposée tire parti des caractéristiques des VANH telles que la haute résolution spatiale et l'accessibilité en appliquant des procédures automatiques et non supervisées en utilisant des images d'une seule date. De plus, cette étude a vérifié l'extraction des régions cibles d'intérêt à partir des images de VANH pour l'estimation directe des rendements. Les modèles d'estimation des rendements de coton avaient des valeurs R2 comprises entre 0,63 et 0,65 et des valeurs de RMSE comprises entre 0,47 kg et 0,66 kg par grille de parcelle.
Yeom et al. (Tue,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: