深層学習を用いたUAVリモートセンシング画像におけるコーン畑のボランティア綿植物の検出

コーンなどの季節間作物や輪作の畑に生育するボランティア綿（VC）植物は、ピンヘッドスクエア段階（5〜6枚葉段階）に達するとボールウィーヴィル害虫の宿主となる可能性があります。したがって、VC植物を検出、特定し、破壊または散布する必要があります。本論文では、無人航空機（UAV）で収集したRGB画像を使用して、コーン畑におけるVC植物を検出するために深層学習（DL）を使用した研究を発表します。目的は、(i) UAV由来のRGB画像に基づいて、YOLOv3 DLアルゴリズムをコーン畑でのVC検出に使用できるかどうかを確認すること、(ii) 3つの異なるピクセルスケール（320 × 320, S1; 416 × 416, S2; および512 × 512, S3）の画像上でのYOLOv3の動作を調査することでした。結果を評価するために使用された指標は、平均精度（AP）、平均平均精度（mAP）、および95％の信頼水準でのF1スコアでした。YOLOv3は、コーン畑でのVC植物を80％を超える平均検出精度、F1スコア78.5％、mAP80.38％で検出できることが分かりました。画像サイズに関しては、3つのスケールの間でmAPの有意差はありませんでしたが、S1とS3（p = 0.04）、S2とS3（p = 0.02）間のAPで有意差が見つかりました。F1スコアに関しても、S2とS3（p = 0.02）間で有意差が見つかりました。この研究の全体的な目標は、コーン畑におけるVC植物の真陽性検出を最大化することによってボールウィーヴィル害虫の感染を最小限に抑えることであり、これはmAP値によって示されています。全ての3つのスケールにおけるこれらの有意差の欠如は、訓練されたYOLOv3モデルが3つの入力画像サイズに関係なくVC検出に使用できることを示しています。YOLOv3がVC植物を検出できる能力は、コンピュータービジョンとスポットスプレー機能を備えたUAVを用いたリアルタイム検出および緩和に対するDLアルゴリズムの潜在能力を示しています。