Plant Phenomics | 浙江大學黃敬峰教授課題組提出了一種基于地面遙感延時圖像的咖啡花識別方法
咖啡是全球三大主要飲料之一，具有重要的經濟價值。咖啡花的早期監測在開花調節，灌溉，產量預測和其他作物管理任務中至關重要。因此，準確識別咖啡花是更好地管理這些任務的關鍵。然而，常用的遙感平臺由于其較低的時空分辨率并不能實現對咖啡花這一類小目標作物的精準監測。
2020年10月，Plant Phenomics刊發了浙江大學遙感與信息技術應用研究所題為Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images的研究論文，本文介紹了一種基于地面遙感延時圖像的咖啡花識別方法。為了實現種植園區中咖啡花的精準監測，本文采用基于地面遙感的高時空分辨率延時圖像，并將二值化算法和卷積神經網絡相結合，進而提取出圖像中所包含的咖啡花信息。
Figure1: The five flowering events. (a–e) represent the images acquired on March 7th,March 25th, April 11th, April 27th, and May 25th,2017, respectively.
Figure2: Binarization processing.(a) Original image. (b) Results of the binarization.
基于不同拍攝俯角以及不同光照條件下的圖像，將所提方法（Bin+CNN）和CNN以及基于超像素的SVM分類器進行對比分析，實驗結果表明Bin+CNN具有更好的咖啡花識別性能。基于Bin+CNN方法，在柔光條件下，拍攝俯角為52.5°圖像的咖啡花識別精度最高，對應的F1和IoU分別可以達到0.80和0.67。
Figure 3: Theidentification result of the image with depression angles of 52.5° under softlighting conditions using Bin+CNN model. (a)~(c) are the original images,ground truth maps, and the identification results of the Bin+CNN, respectively.