2021年2月18日 机器视觉与计算机视觉技术

利用计算机视觉和机器学习技术实现莴苣种植的精准化作业

Earlham Institute的研究人员开发了一个机器学习平台,使用计算机视觉和航拍图像对莴苣作物进行分类。

该研究称,该平台名为AirSurf-Lettuce,能够以高于98%的精度对冰山莴苣进行评分。

研究人员在位于伊利的英国第二大蔬菜种植者G’s Growers进行了田间试验。

作物研究人员,种植者和农民使用航拍图像在生长季节监测作物。

为了从田间采集的大规模航空影像中提取有意义的信息,需要高通量的表型分析解决方案,这不仅可以产生关键作物性状的高质量指标,还可以帮助农民做出迅速可靠的作物管理决策。

该软件包括测量数量,大小和精确定位,以帮助农民精确收获,并以最有效的方式将作物推向市场。重要的是,这项技术可以应用于其他作物,扩大整个食物链的积极影响范围。

生菜是一种需求量非常大的蔬菜,特别是在东安格利亚,每年在英国生产122,000吨。由于种植过程效率低下以及收获策略,高达30%的产量可能会损失,如果能够实现,可以带来显着的经济增长。

非常重要的是,农民和种植者必须准确了解作物何时可以收获成果,以便他们能够启动物流规划,交易和销售其产品。

然而,传统上,在田间测量作物非常耗时且劳动强度大,而且容易出错;因此,基于航拍图像的新型AI解决方案可以提供更加强大和有效的方法。

种植效率的另一个障碍是,近年来一直在增加的恶劣天气条件可以非常显着地减少收获时间,因为作物需要不同的成熟时间。

AirSurf技术 – 由Earlham Institute的周氏集团成员开发,包括该项目论文的第一作者,Alan Bauer和Aaron Bostrom–使用深度学习和超大规模成像分析来测量高浓度的卷心莴苣 – 吞吐量模式。这能够识别莴苣植物的精确数量和位置,并具有识别作物品质的额外优势。

将该系统与GPS相结合,农民可以追踪田间莴苣的大小分布,这只会有助于提高农业实践的准确性和有效性,包括收获时间。

第一作者,EI的Alan Bauer说:“这种跨学科的合作将计算机视觉和机器学习与莴苣种植业务相结合,以展示我们如何利用机器学习提高作物产量。”

G’s Growers的行业合作伙伴,创新经理Jacob Kirwan补充说:“大规模种植意味着在确保我们以环保和经济可持续的方式生产作物时,精确度至关重要。使用像AirSurf这样的技术意味着种植者能够以更高水平的细节了解其田地和作物的变异性。

然后可以从这些信息中做出决定,例如不同的投入和灌溉应用;改变收获策略和规划出售作物的最佳时间,都将有助于提高农业产量和提高农业生产力。

Banner
Related Posts

深度学习“瓶颈”已至,计算机视觉如何突破困局?

2018年8月9日

2018年8月9日

从人工智能的发展过程看,深度学习是继专家系统之后人工智能应用的又一重要研究领域,也是人工智能和神经计算的核心研究课题之一。Alan Yuille认为,现在做AI不提神经网络,成果都很难发表了,这不是一个好势头。

新的过滤器增强了机器人对6D姿态评估的视觉感知能力

2019年8月7日

2019年8月7日

研究人员最近进行了一项关于6D物体姿态估计的研究,目的是开发一种过滤器,使机器人具有更强的空间感知能力,从而能够更准确地操纵物体和在空间中导航。

计算机视觉在钢铁夹杂物分析中的应用研究

2019年12月5日

2019年12月5日

卡内基梅隆大学材料科学与工程学(MSE)教授布莱恩·韦伯勒(Bryan Webler)表示:“夹杂物是一些微小的颗粒始终漂浮在钢中,”。固相夹杂物会聚在一起,堵塞喷嘴和其他控制钢水流动的流量控制系统。一些夹杂物化学成分会降低钢的延展性、抗疲劳性或整体韧性。 “它们会影响钢材的最终性能,这就是我们如此关心它们的原因。”

计算机视觉技术的七个典型应用

2019年4月8日

2019年4月8日

计算机视觉在现实世界中已经有了大量的应用,而且这项技术还很年轻。随着人类和机器继续合作,人类的劳动力将被解放出来,专注于更高价值的任务,机器的自动处理依赖于图像识别的过程。

计算机视觉的未来

2018年8月9日

2018年8月9日

计算机视觉通过缩短开发时间并创建与用户想要和需要的内容相匹配的最终产品,为用户提供直接的好处。而不是在一小群开发人员和C级管理人员的闭门造车中确定功能,是基于自然使用而不断发展。

计算机视觉以及它在商业中是如何应用的?

2019年9月17日

2019年9月17日

事实证明,大多数人认为理所当然的东西,即能够看到、处理并对视觉输入采取行动的能力,在机器中是非常难以复制的。这正是计算机视觉(cv)的目标。虽然计算机视觉可能不如人类视觉先进,但它今天已经发展到在商业中非常重要的地步。

图像分类和目标检测技术有什么区别?

2020年5月20日

2020年5月20日

图像分类和目标检测技术是计算机视觉领域的重要研究方法。这些技术帮助机器理解和识别实时对象和环境,帮助数字图像作为输入。多年来,计算机视觉技术已经被应用于多个领域,包括医疗保健、制造业、零售业等等。

计算机视觉和图像处理之间有什么区别?

2018年8月9日

2018年8月9日

图像处理是计算机视觉的一个子集。计算机视觉系统利用图像处理算法对人体视觉进行仿真。例如,如果目标是增强图像以便以后使用,那么这可以称为图像处理。如果目标是识别物体、汽车自动驾驶,那么它可以被称为计算机视觉。

富士通发布了新的AI计算机视觉软件以简化行为识别培训

2019年12月5日

2019年12月5日

富士通开发了一种基于人工智能的新方法,可以对视频片段进行行为分析,据该公司公告称,它可以识别出一系列细微而复杂的人类活动,而无需大量的培训数据。

利用机器学习消灭撒哈拉以南非洲采采蝇

2018年8月9日

2018年8月9日

“我们将使用数据科学来创建一个基于机器学习的自动化系统,它可以从采采蛹中快速确定是雄性还是雌性,”Zsuzza Marka说。这一系统将成为机器人分拣机的基础,我们希望该机器最终将用于撒哈拉以南非洲地区,以减轻采采蝇的危害。”

用于太空星系检测的计算机视觉应用

2018年8月9日

2018年8月9日

观测天文学是天文学的一个分支,它涉及记录有关可观测宇宙的数据。地面和太空望远镜每晚用于观测行星和遥远的星系。专用望远镜仪器收集存储在远程服务器中的原始数据,然后使用多个图像处理和分析通道进行处理。

为什么数据科学在高级图像识别中很重要?

2020年1月17日

2020年1月17日

由于视觉和语音是两个至关重要的人类交互元素,数据科学能够利用计算机视觉和语音识别技术来模拟这些人类任务。即使它已经开始模仿和杠杆在不同的领域,特别是在电子商务部门。机器学习的进步和高带宽数据服务的使用增强了图像识别的应用。

阴影检测系统让自动驾驶汽车看到周围的角落

2019年10月30日

2019年10月30日

通过分析地面阴影的变化,无人驾驶汽车可以预测何时有车辆或行人从拐角处经过。

机器学习和模式识别之间有什么区别?

2019年10月12日

2019年10月12日

模式识别是机器学习的工程应用。机器学习处理可以从数据中学习的系统的构建和研究,而不是仅遵循明确编程的指令,而模式识别是对数据中模式和规律性的识别。

计算机视觉的最佳图像注释平台

2019年5月10日

2019年5月10日

我们一直在寻找最佳的图像注释平台,该平台提供多种功能、项目管理工具和注释过程的优化(当您需要注释50k图像时,每个图像减少1秒钟!)。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注