Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • Representative Results
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

Riportiamo procedure dettagliate per un metodo di stima della biomassa vegetale invasiva che utilizza i dati ottenuti dal telerilevamento di veicoli aerei senza pilota (UAV) per valutare la biomassa e catturare la distribuzione spaziale delle specie invasive. Questo approccio si rivela estremamente utile per condurre la valutazione dei pericoli e l'allerta precoce delle piante invasive.

Abstract

Riportiamo le fasi dettagliate di un metodo per stimare la biomassa di piante invasive basato sul telerilevamento UAV e sulla visione artificiale. Per raccogliere campioni dall'area di studio, abbiamo preparato un assemblaggio quadrato di campioni per randomizzare i punti di campionamento. Un sistema di telecamere aeree senza pilota è stato costruito utilizzando un drone e una fotocamera per acquisire immagini RGB continue dell'area di studio attraverso la navigazione automatizzata. Dopo aver completato le riprese, è stata raccolta la biomassa fuori terra nel telaio del campione e tutte le corrispondenze sono state etichettate e imballate. I dati campione sono stati elaborati e le immagini aeree sono state segmentate in piccole immagini di 280 x 280 pixel per creare un set di dati di immagini. Una rete neurale convoluzionale profonda è stata utilizzata per mappare la distribuzione di Mikania micrantha nell'area di studio ed è stato ottenuto il suo indice di vegetazione. Gli organismi raccolti sono stati essiccati e il peso secco è stato registrato come biomassa di base. Il modello di regressione della biomassa vegetale invasiva è stato costruito utilizzando la regressione K-nearest neighbor (KNNR) estraendo l'indice di vegetazione dalle immagini campione come variabile indipendente e integrandolo con la biomassa di base come variabile dipendente. I risultati hanno mostrato che era possibile prevedere con precisione la biomassa delle piante invasive. Un'accurata mappa di distribuzione spaziale della biomassa vegetale invasiva è stata generata mediante attraversamento delle immagini, consentendo l'identificazione precisa delle aree ad alto rischio interessate da piante invasive. In sintesi, questo studio dimostra il potenziale della combinazione del telerilevamento di veicoli aerei senza pilota con tecniche di apprendimento automatico per stimare la biomassa vegetale invasiva. Contribuisce in modo significativo alla ricerca di nuove tecnologie e metodi per il monitoraggio in tempo reale delle piante invasive e fornisce supporto tecnico per il monitoraggio intelligente e la valutazione dei pericoli su scala regionale.

Introduction

In questo protocollo, il metodo proposto per la stima della biomassa invasiva basato sul telerilevamento UAV e sulla visione artificiale può riflettere la distribuzione degli organismi invasivi e prevedere il grado di rischio biologico invasivo. Le stime della distribuzione e della biomassa degli organismi invasivi sono fondamentali per la prevenzione e il controllo di questi organismi. Una volta invadete, le piante invasive possono danneggiare l'ecosistema e causare enormi perdite economiche. L'identificazione rapida e accurata delle piante invasive e la stima della biomassa delle piante invasive sono le principali sfide nel monitoraggio e nel controllo delle piante ....

Protocol

1. Preparazione dei dataset

  1. Selezione dell'oggetto di ricerca
    1. Seleziona i campioni di prova in base al focus dello studio sperimentale, considerando opzioni come la Mikania micrantha o altre piante invasive.
  2. Raccolta di immagini UAV
    1. Preparare telai quadrati in plastica di dimensioni 0,5 m*0,5 m e quantità 25-50, a seconda delle dimensioni dell'area studiata.
    2. Utilizzare un approccio di campionamento casuale per determinare le posizioni di .......

Representative Results

Mostriamo i risultati rappresentativi di un metodo basato sulla visione artificiale per la stima delle piante invasive, che viene implementato in modo programmatico su un computer. In questo esperimento, abbiamo valutato la distribuzione spaziale e stimato la biomassa delle piante invasive nei loro habitat naturali, utilizzando Mikania micrantha come soggetto di ricerca. Abbiamo utilizzato un sistema di telecamere per droni per acquisire immagini del sito di ricerca, una parte delle quali è esposta nella

Discussion

Presentiamo le fasi dettagliate di un esperimento sulla stima della biomassa di piante invasive utilizzando il telerilevamento UAV e la visione artificiale. Il processo principale e le fasi di questo accordo sono illustrati nella Figura 7. La corretta qualità dei campioni è uno degli aspetti più cruciali e impegnativi del programma. Questa importanza vale per tutte le piante invasive e per qualsiasi altro esperimento di stima della biomassa vegetale24.

Disclosures

Gli autori non hanno nulla da rivelare.

Acknowledgements

L'autore ringrazia l'Accademia Cinese delle Scienze Agrarie e l'Università del Guangxi per aver sostenuto questo lavoro. Il lavoro è stato supportato dal National Key R&D Program of China (2022YFC2601500 e 2022YFC2601504), dalla National Natural Science Foundation of China (32272633), dallo Shenzhen Science and Technology Program (KCXFZ20230731093259009)

....

Materials

NameCompanyCatalog NumberComments
DSLR cameraNikonD850Sensor type: CMOS; Maximum number of pixels: 46.89 million; Effective number of pixels: 45.75 million; Maximum resolution 8256 x 5504.
GPU - Graphics Processing UnitNVIDIA RTX3090
HexacopterDJI M600PROHorizontal flight: 65 km/h (no wind environment); Maximum flight load: 6000 g
PyCharmPython IDE2023.1
PythonPython3.8.0
PytorchPytorch1.8.1

References

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

IngegneriaNumero 204Piante InvasiveTelerilevamento UAVRete neurale convoluzionale profondaRegressione K nearest NeighborIndice di vegetazioneMappatura della distribuzione spaziale

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved