Estimation de la biomasse des plantes envahissantes par vision par ordinateur

Résumé

Nous présentons les procédures détaillées d’une méthode d’estimation de la biomasse végétale envahissante qui utilise les données obtenues par télédétection de véhicules aériens sans pilote (UAV) pour évaluer la biomasse et saisir la distribution spatiale des espèces envahissantes. Cette approche s’avère très bénéfique pour l’évaluation des risques et l’alerte précoce des plantes envahissantes.

Résumé

Nous rapportons les étapes détaillées d’une méthode d’estimation de la biomasse de plantes envahissantes basée sur la télédétection par drone et la vision par ordinateur. Pour prélever des échantillons dans la zone d’étude, nous avons préparé un assemblage de carrés d’échantillonnage afin de randomiser les points d’échantillonnage. Un système de caméra aérienne sans pilote a été construit à l’aide d’un drone et d’une caméra pour acquérir des images RVB continues de la zone d’étude grâce à la navigation automatisée. Une fois le tournage terminé, la biomasse aérienne dans le cadre de l’échantillon a été collectée, et toutes les correspondances ont été étiquetées et emballées. Les données d’échantillonnage ont été traitées et les images aériennes ont été segmentées en petites images de 280 x 280 pixels pour créer un jeu de données d’images. Un réseau de neurones convolutifs profonds a été utilisé pour cartographier la distribution de Mikania micrantha dans la zone d’étude, et son indice de végétation a été obtenu. Les organismes collectés ont été séchés et le poids sec a été enregistré comme biomasse de vérité sur le terrain. Le modèle de régression de la biomasse végétale envahissante a été construit à l’aide de la régression du voisin le plus proche (KNNR) en extrayant l’indice de végétation des images d’échantillon en tant que variable indépendante et en l’intégrant à la biomasse de vérité terrain en tant que variable dépendante. Les résultats ont montré qu’il était possible de prédire avec précision la biomasse des plantes envahissantes. Une carte précise de la distribution spatiale de la biomasse végétale envahissante a été générée par la traversée d’image, permettant une identification précise des zones à haut risque touchées par les plantes envahissantes. En résumé, cette étude démontre le potentiel de combiner la télédétection des véhicules aériens sans pilote avec des techniques d’apprentissage automatique pour estimer la biomasse végétale envahissante. Il contribue de manière significative à la recherche de nouvelles technologies et méthodes de suivi en temps réel des plantes envahissantes et fournit un appui technique pour une surveillance intelligente et une évaluation des dangers à l’échelle régionale.

Introduction

Dans ce protocole, la méthode proposée d’estimation de la biomasse invasive basée sur la télédétection par drone et la vision par ordinateur peut refléter la distribution des organismes envahissants et prédire le degré de risque biologique envahissant. Les estimations de la répartition et de la biomasse des organismes envahissants sont essentielles à la prévention et au contrôle de ces organismes. Une fois que les plantes envahissantes envahissent, elles peuvent endommager l’écosystème et causer d’énormes pertes économiques. L’identification rapide et précise des plantes envahissantes et l’estimation de la biomasse végétale envahissante sont des défis majeurs dans la ....

Protocole

1. Préparation des jeux de données

1. Sélection de l’objet de recherche
   1. Sélectionnez les échantillons d’essai en fonction de l’objectif de l’étude expérimentale, en tenant compte d’options telles que Mikania micrantha ou d’autres plantes envahissantes.
2. Collecte d’images de drones
   1. Préparez des cadres carrés en plastique de taille 0,5 m * 0,5 m et de quantité 25-50, en fonction de la taille de la zone étudiée.
   2. Utiliser une approche d’échantillonnage aléatoire pour déterminer les emplacements d’échantillonnage du sol dans la zone d’étude à l’aide d’un nombre suffisant d’échantillons de biomas....

Discussion

Nous présentons les étapes détaillées d’une expérience d’estimation de la biomasse de plantes envahissantes à l’aide de la télédétection par drone et de la vision par ordinateur. Les principaux processus et étapes de cet accord sont illustrés à la figure 7. La bonne qualité des échantillons est l’un des aspects les plus cruciaux et les plus difficiles du programme. Cette importance est vraie pour toutes les plantes envahissantes ainsi que pour toutes les autres expérie.......

matériels

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