İstilacı Bitkiler için Bilgisayarlı Görü Tabanlı Biyokütle Tahmini

Özet

Biyokütleyi değerlendirmek ve istilacı türlerin mekansal dağılımını yakalamak için insansız hava aracı (İHA) uzaktan algılamasından elde edilen verileri kullanan istilacı bir bitki biyokütle tahmin yöntemi için ayrıntılı prosedürleri rapor ediyoruz. Bu yaklaşım, istilacı bitkilerin tehlike değerlendirmesi ve erken uyarısı için oldukça faydalı olduğunu kanıtlamaktadır.

Özet

İHA, uzaktan algılama ve bilgisayar görüşüne dayalı olarak istilacı bitkilerin biyokütlesini tahmin etmek için bir yöntemin ayrıntılı adımlarını rapor ediyoruz. Çalışma alanından numune toplamak için, numune alma noktalarını randomize etmek için bir numune kare düzeneği hazırladık. Otomatik navigasyon yoluyla çalışma alanının sürekli RGB görüntülerini elde etmek için bir drone ve kamera kullanılarak insansız hava kamera sistemi inşa edildi. Çekimler tamamlandıktan sonra numune karesindeki yer üstü biyokütle toplanmış ve tüm yazışmalar etiketlenerek paketlenmiştir. Örnek veriler işlendi ve hava görüntüleri, bir görüntü veri kümesi oluşturmak için 280 x 280 piksellik küçük görüntülere bölündü. Mikania micrantha'nın çalışma alanındaki dağılımını haritalamak için derin bir evrişimli sinir ağı kullanıldı ve bitki örtüsü indeksi elde edildi. Toplanan organizmalar kurutuldu ve kuru ağırlık, temel gerçek biyokütle olarak kaydedildi. İstilacı bitki biyokütle regresyon modeli, örnek görüntülerden bitki örtüsü indeksinin bağımsız bir değişken olarak çıkarılması ve bağımlı bir değişken olarak temel gerçek biyokütle ile entegre edilmesiyle K-en yakın komşu regresyonu (KNNR) kullanılarak oluşturulmuştur. Sonuçlar, istilacı bitkilerin biyokütlesini doğru bir şekilde tahmin etmenin mümkün olduğunu gösterdi. İstilacı bitki biyokütlesinin doğru bir mekansal dağılım haritası, istilacı bitkilerden etkilenen yüksek riskli alanların hassas bir şekilde tanımlanmasına olanak tanıyan görüntü geçişi ile oluşturuldu. Özetle, bu çalışma, istilacı bitki biyokütlesini tahmin etmek için insansız hava aracı uzaktan algılamasını makine öğrenimi teknikleriyle birleştirmenin potansiyelini göstermektedir. İstilacı bitkilerin gerçek zamanlı izlenmesi için yeni teknolojilerin ve yöntemlerin araştırılmasına önemli ölçüde katkıda bulunur ve bölgesel ölçekte akıllı izleme ve tehlike değerlendirmesi için teknik destek sağlar.

Giriş

Bu protokolde, İHA uzaktan algılama ve bilgisayar görüşüne dayalı önerilen istilacı biyokütle tahmini yöntemi, istilacı organizmaların dağılımını yansıtabilir ve istilacı biyolojik tehlikenin derecesini tahmin edebilir. İstilacı organizmaların dağılımı ve biyokütlesine ilişkin tahminler, bu organizmaların önlenmesi ve kontrolü için kritik öneme sahiptir. İstilacı bitkiler istila ettiğinde ekosisteme zarar verebilir ve büyük ekonomik kayıplara neden olabilir. İstilacı bitkilerin hızlı ve doğru bir şekilde tanımlanması ve temel istilacı bitki biyokütlesinin tahmin edilmesi, istilacı bitki izleme ve kontrolünde büyük zorluklardır. Bu protokolde, istilacı bitkilerin ekolo....

Protokol

1. Veri setlerinin hazırlanması

1. Araştırma nesnesinin seçilmesi
   1. Mikania micrantha veya diğer istilacı bitkiler gibi seçenekleri göz önünde bulundurarak deneysel çalışmanın odağına göre test örneklerini seçin.
2. İHA görüntülerinin toplanması
   1. İncelenen alanın boyutuna bağlı olarak 0,5 m*0,5 m boyutunda ve 25-50 adet kare plastik çerçeveler hazırlayın.
   2. Yeterli sayıda biyokütle örneği kullanarak çalışma alanındaki toprak örnekleme konumlarını belirlemek için rastgele bir örnekleme yaklaşımı kullanın. Numune çerçevesini, her bitki arasında en az 2 m'lik bir ayırma mesafesi olacak şekilde bitkil....

Tartışmalar

İHA, uzaktan algılama ve bilgisayarla görme kullanarak istilacı bitkilerin biyokütlesini tahmin etmeye yönelik bir deneyin ayrıntılı adımlarını sunuyoruz. Bu anlaşmanın ana süreci ve adımları Şekil 7'de gösterilmiştir. Uygun numune kalitesi, programın en önemli ve zorlu yönlerinden biridir. Bu önem, tüm istilacı bitkiler için olduğu kadar diğer bitki biyokütle tahmin deneyleri için de geçerlidir²⁴.

Çalışma.......

Malzemeler

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