Computer Vision-basierte Biomasseschätzung für invasive Pflanzen

Zusammenfassung

Wir berichten über detaillierte Verfahren für eine Methode zur Schätzung der invasiven Pflanzenbiomasse, die Daten aus der Fernerkundung von unbemannten Luftfahrzeugen (UAV) verwendet, um die Biomasse zu bewerten und die räumliche Verteilung invasiver Arten zu erfassen. Dieser Ansatz erweist sich als äußerst nützlich für die Durchführung von Gefahrenbewertungen und die Frühwarnung vor invasiven Pflanzen.

Zusammenfassung

Wir berichten über die detaillierten Schritte einer Methode zur Abschätzung der Biomasse invasiver Pflanzen auf Basis von UAV-Fernerkundung und Computer Vision. Um Proben aus dem Untersuchungsgebiet zu sammeln, haben wir eine quadratische Stichprobenanordnung vorbereitet, um die Probenahmepunkte zu randomisieren. Es wurde ein unbemanntes Luftbildkamerasystem mit einer Drohne und einer Kamera konstruiert, um durch automatisierte Navigation kontinuierliche RGB-Bilder des Untersuchungsgebiets zu erfassen. Nach Abschluss der Dreharbeiten wurde die oberirdische Biomasse im Probenrahmen gesammelt, und alle Korrespondenzen wurden beschriftet und verpackt. Die Beispieldaten wurden verarbeitet und die Luftbilder wurden in kleine Bilder von 280 x 280 Pixeln segmentiert, um einen Bilddatensatz zu erstellen. Ein tiefes neuronales Faltungsnetz wurde verwendet, um die Verbreitung von Mikania micrantha im Untersuchungsgebiet zu kartieren, und es wurde ihr Vegetationsindex erhalten. Die gesammelten Organismen wurden getrocknet und das Trockengewicht als Ground-Truth-Biomasse erfasst. Das Regressionsmodell für invasive pflanzliche Biomasse wurde unter Verwendung der K-Nearest-Neighbor-Regression (KNNR) konstruiert, indem der Vegetationsindex aus den Beispielbildern als unabhängige Variable extrahiert und mit der Ground-Truth-Biomasse als abhängige Variable integriert wurde. Die Ergebnisse zeigten, dass es möglich war, die Biomasse invasiver Pflanzen genau vorherzusagen. Durch Bildtraversierung wurde eine genaue räumliche Verteilungskarte der invasiven Pflanzenbiomasse erstellt, die eine genaue Identifizierung von Hochrisikogebieten ermöglicht, die von invasiven Pflanzen betroffen sind. Zusammenfassend zeigt diese Studie das Potenzial der Kombination von unbemannter Fernerkundung von Luftfahrzeugen mit Techniken des maschinellen Lernens zur Abschätzung invasiver pflanzlicher Biomasse. Es leistet einen wichtigen Beitrag zur Erforschung neuer Technologien und Methoden für das Echtzeit-Monitoring invasiver Pflanzen und bietet technische Unterstützung für ein intelligentes Monitoring und eine Gefährdungsbeurteilung auf regionaler Ebene.

Einleitung

In diesem Protokoll kann die vorgeschlagene Methode zur Schätzung der invasiven Biomasse auf der Grundlage von UAV-Fernerkundung und Computer Vision die Verteilung invasiver Organismen widerspiegeln und den Grad der invasiven Biogefährdung vorhersagen. Schätzungen der Verbreitung und Biomasse invasiver Organismen sind entscheidend für die Prävention und Bekämpfung dieser Organismen. Sobald invasive Pflanzen eindringen, können sie das Ökosystem schädigen und enorme wirtschaftliche Verluste verursachen. Die schnelle und genaue Identifizierung invasiver Pflanzen und die Schätzung der wichtigsten invasiven Pflanzenbiomasse sind große Herausforderungen bei der Überwachung ....

Protokoll

1. Aufbereitung der Datensätze

1. Auswahl des Forschungsgegenstandes
   1. Wählen Sie Testproben basierend auf dem Schwerpunkt der experimentellen Studie aus und berücksichtigen Sie Optionen wie Mikania micrantha oder andere invasive Pflanzen.
2. Sammeln von UAV-Bildern
   1. Bereiten Sie quadratische Kunststoffrahmen mit einer Größe von 0,5 m * 0,5 m und einer Menge von 25-50 vor, abhängig von der Größe der untersuchten Fläche.
   2. Anwendung eines Zufallsstichprobenansatzes zur Bestimmung der Bodenprobenahmeorte im Untersuchungsgebiet unter Verwendung einer ausreichenden Anzahl von Biomasseproben. Positioni....

Diskussion

Wir stellen die detaillierten Schritte eines Experiments zur Schätzung der Biomasse invasiver Pflanzen mit Hilfe von UAV-Fernerkundung und Computer Vision vor. Der Hauptprozess und die Schritte dieser Vereinbarung sind in Abbildung 7 dargestellt. Die richtige Probenqualität ist einer der wichtigsten und herausforderndsten Aspekte des Programms. Diese Bedeutung gilt sowohl für alle invasiven Pflanzen als auch für alle anderen Experimente zur Schätzung der Pflanzenbiomasse

Materialien

Name	Company	Catalog Number	Comments
DSLR camera	Nikon	D850	Sensor type: CMOS; Maximum number of pixels: 46.89 million; Effective number of pixels: 45.75 million; Maximum resolution 8256 x 5504.
GPU - Graphics Processing Unit	NVIDIA	RTX3090
Hexacopter	DJI	M600PRO	Horizontal flight: 65 km/h (no wind environment); Maximum flight load: 6000 g
PyCharm	Python IDE	2023.1
Python	Python	3.8.0
Pytorch	Pytorch	1.8.1