Оценка биомассы инвазивных растений на основе компьютерного зрения

Summary

Мы подробно описываем процедуры для метода оценки биомассы инвазивных растений, который использует данные, полученные с помощью дистанционного зондирования беспилотных летательных аппаратов (БПЛА) для оценки биомассы и захвата пространственного распределения инвазивных видов. Этот подход оказывается очень полезным для проведения оценки опасности и раннего предупреждения об инвазивных растениях.

Abstract

Мы подробно рассказываем о шагах метода оценки биомассы инвазивных растений на основе дистанционного зондирования с помощью БПЛА и компьютерного зрения. Для сбора образцов из исследуемой области мы подготовили квадратную выборку для рандомизации точек выборки. Была создана система беспилотных аэрофотоаппаратов с использованием дрона и камеры для получения непрерывных RGB-изображений исследуемой территории с помощью автоматизированной навигации. После завершения съемки была собрана надземная биомасса в образце кадра, а все корреспонденции были промаркированы и упакованы. Образцы данных были обработаны, и аэрофотоснимки были сегментированы на небольшие изображения размером 280 x 280 пикселей для создания набора данных изображений. С помощью глубокой сверточной нейронной сети было составлено картографирование распространения Mikania micrantha на исследуемой территории, и получен ее вегетационный индекс. Собранные организмы были высушены, а сухой вес был зарегистрирован как наземная биомасса. Регрессионная модель инвазивной биомассы растений была построена с использованием регрессии K-ближайшего соседа (KNNR) путем извлечения вегетационного индекса из образцовых изображений в качестве независимой переменной и его интеграции с наземной биомассой в качестве зависимой переменной. Результаты показали, что можно точно предсказать биомассу инвазивных растений. Точная карта пространственного распределения биомассы инвазивных растений была создана путем обхода изображений, что позволило точно идентифицировать районы высокого риска, пораженные инвазивными растениями. Таким образом, это исследование демонстрирует потенциал сочетания дистанционного зондирования беспилотных летательных аппаратов с методами машинного обучения для оценки инвазивной биомассы растений. Она вносит значительный вклад в исследование новых технологий и методов мониторинга инвазивных растений в режиме реального времени и обеспечивает техническую поддержку интеллектуального мониторинга и оценки опасностей в региональном масштабе.

Introduction

В данном протоколе предложенный метод оценки инвазивной биомассы на основе дистанционного зондирования БПЛА и компьютерного зрения может отражать распределение инвазивных организмов и прогнозировать степень инвазивной биологической опасности. Оценки распределения и биомассы инвазивных организмов имеют решающее значение для профилактики и борьбы с этими организмами. Как только инвазивные растения вторгаются, они могут нанести ущерб экосистеме и нанести огромный экономический ущерб. Быстрая и точная идентификация инвазивных растений и оценка ключевой биомассы инвазивных растений являются основными проблемами в мониторинге и контроле инвазивных растений. В этом протоколе....

Protocol

1. Подготовка наборов данных

1. Выбор объекта исследования
   1. Отбирайте тестовые образцы исходя из направленности экспериментального исследования, рассматривая такие варианты, как Mikania micrantha или другие инвазивные растения.
2. Сбор изображений с БПЛА
   1. Подг.......

Discussion

Мы подробно представляем этапы эксперимента по оценке биомассы инвазивных растений с помощью дистанционного зондирования с помощью БПЛА и компьютерного зрения. Основной процесс и этапы этого соглашения показаны на рисунке 7. Надлежащее качество образцов является одн?.......

Materials

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