May, 2024

杂草分级的野外无人机影像数据集：蒴草数据集

PDF
TL;DR研究通过使用商业无人机和计算机视觉系统，对西蒙塔纳州的草地进行航拍，训练了图像分类器以识别叶苣草的存在，并获得了 0.84 的准确率，为生态学，保护和遥感领域提供了改进叶苣草分类性能的机会。
invasive plant speciesleafy spurgecomputer vision systemsunmanned aerial vehiclesclassification performance
发现论文，激发创造
  • DeepWeeds: 用于深度学习的多类杂草物种图像数据集

    使用 DeepWeeds 数据集，通过深度学习算法实现草地杂草物种的自动化分类，为澳大利亚大草原地区实现机器人除草控制提供了具有前景的技术支持。

    Oct, 2018

  • weedNet：利用多光谱图像和微飞行器进行密集语义杂草分类的智能农业

    本文介绍了一种使用编码器 - 解码器串联卷积神经网络进行密集语义杂草分类的方法，以通过微型飞行器收集的多光谱图像减少损害周围植物的可靠而精确的杂草检测，训练不同数量通道的模型并在嵌入式 GPU 系统中进行部署。

    Sep, 2017

  • 稀疏不规则点云的语义分割用于叶子 / 木材区分

    使用 Pointnet ++ 模型及创新的采样策略和损失函数，该研究提出了一种基于光学遥感技术 LiDAR 和无人机采集的点云数据的神经网络模型，该模型可以有效地区分森林里木质和叶状物的点，以提高其应用场景中的精确性和可靠性。

    May, 2023

  • LudVision -- 无人机搭载多光谱数据实现外来入侵水生植物的远程侦测

    本研究使用遥感技术中的多光谱图像检测方法，对水生侵入物种 Ludwigia peploides 进行监测，以实现对生态系统的保护。经验证，所提出的检测方法对于多光谱数据有极高的判别准确度。

    Jul, 2022

  • 半监督杂草检测用于快速部署和提高效率

    该论文介绍了一种半监督杂草检测的新方法，通过利用计算机视觉和深度学习进行自动化杂草检测，该方法在农业领域中具有较好的应用潜力和实际可行性。

    May, 2024

  • 千面灌木：基于深度学习的卫星图像个体分割

    利用遥感图像和基于 Mask R-CNN 的实例分割模型，个别划定高山和高纬度生态系统中杜松灌木树线上的位置，以监测气候变化对其产生的长期影响。通过新型的数据构建设计和基于多重交叉的地面真实区域度量，有效地克服了传统实地调查方法存在的局限，并实现了对复杂生长模式物种的准确划定。

    Jan, 2024

  • 自上而下的绿化：卫星探测和深度模型预测细叶蒿草物候

    研究了入侵物种 buffelgrass 在美国西南部引发严重野火和生物多样性损失的问题，探索利用卫星感应和深度学习的时间、视觉和多模态模型预测 buffelgrass 绿化，并发现所有基于神经网络的方法都优于传统模型，讨论了神经模型部署将带来的显著资源节约。

    Oct, 2023

  • 无人机油污漏油检测数据集：港口环境下无人机拍摄的分段式 RGB 图像

    利用无人机进行自动化油污泄漏检测可以显著提高速度和准确性，本研究提出了一个独特的、有注释的数据集，通过使用卷积神经网络在台式机和边缘计算平台上分析，证明了该数据集在港口环境中对于油污检测实际应用的实用性。

    Feb, 2024

  • 基于激光雷达的挪威树种识别与深度学习

    利用 LiDAR 数据，我们提出了一种基于深度学习的树种分类模型，该模型能够将树木种类分为四类（挪威云杉、苏格兰松树、桦树和背景），通过国家森林清查的现场样地验证，我们的模型在宏平均精确度上获得了 0.70 的得分，接近于航空或航空和 LiDAR 结合模型的性能。

    Nov, 2023

  • 使用深度学习对遥感影像植被进行语义分割

    本文介绍了一种利用机器学习技术，结合公开遥感数据，使用卷积神经网络模型实现不同类植被的分离的方法，旨在解决处理遥感数据的效率问题。

    Sep, 2022