Інжиніринг даних для перспективної вегетаційної індексації листкової діагностики на основі hsl моделі кольороутворення



DOI: http://dx.doi.org/10.31548/energiya2(66).2023.105

N. Pasichnyk, O. Opryshko, S. Shvorov, I. Tsygulyov, A. Karmatskykh

Анотація


Робота присвячена імплементації традиційних технологій візуального моніторингу рослин в технології точного землеробства, а саме, вдосконалення дистанційного моніторингу за допомогою БПЛА стосовно маркерних вегетаційних індексів. Класичні вегетаційні індекси, такі як NDVI, використовуються для вирішення обмеженого кола задач і при диференційованій обробці ділянок поля застосовуються передусім для коригування кількості азотних добрив. Такі індекси погано пристосовані для ідентифікації причин стресу. Для стресів технологічного характеру, зокрема на посівах ріпаку озимого застосовують маркерні індекси, які складно налаштовувати на ідентифікацію аномального забарвлення вражених рослин. До того ж такі індекси вразливі до змін освітлення і потребують заходів щодо атмосферної корекції. Метою роботи є формування нового підходу до автоматизації візуальної діагностики рослин, який базується на адаптації технологій машинного зору до існуючих технологій неконтактної експертної оцінки рослин. Висунуто гіпотезу про можливість створення вегетаційних індексів на основі альтернативної моделі кольороутворення HSL, які будуть більш стійкими до змін освітлення.

 Ключові слова: моніторинг, БПЛА, маркерні індекси, HSL, NDVI


Повний текст:

PDF

Посилання


Volker Römheld (2012). Chapter 11 - Diagnosis of Deficiency and Toxicity of Nutrients. Marschner's Mineral Nutrition of Higher Plants (Third Edition), 299-312, https://doi.org/10.1016/B978-0-12-384905-2.00011-X.

Roshchina, V. V., Narwai, S. S. (2007). Cell diagnostics: images, biophysical and biochemical processes in allelopathy. New Hampshire [etc.]: Science Publishers, 203.

Ajay Kumar Gautam, Shashank Kumar (2020). Сhapter 12. Techniques for the Detection, Identification, and Diagnosis of Agricultural Pathogens and Diseases. Natural Remedies for Pest, Disease and Weed Control, Elsevier, 135-142, https://doi.org/10.1016/B978-0-12-819304-4.00012-9.

P. Neelakantan (2021) Analyzing the best machine learning algorithm for plant disease classification. Materials Today: Proceedings, Elsevier.

Zhengchao Qiu, Fei Ma, Zhenwang Li, Xuebin Xu, Haixiao Ge, Changwen Du (2021). Estimation of nitrogen nutrition index in rice from UAV RGB images coupled with machine learning algorithms, Computers and Electronics in Agriculture, 189, 106421, https://doi.org/10.1016/j.compag.2021.106421.

James W. Clohessy. Fei Ma, Zhenwang Li, Xuebin Xu, Haixiao Ge, Changwen Du (2021). Development of a high-throughput plant disease symptom severity assessment tool using machine learning image analysis and integrated geolocation. Computers and Electronics in Agriculture, 184, 106089.

F.R.da S. Pereira, J.P. de Lima, R.G. Freitas, A.A. Dos Reis, L.R.do Amaral, G.K.D.A. Figueiredo, R.A.C. Lamparelli, P.S.G. Magalhães (2022). Nitrogen variability assessment of pasture fields under an integrated crop-livestock system using UAV, PlanetScope, and Sentinel-2 data. Computers and Electronics in Agriculture, 193, 106645, https://doi.org/10.1016/j.compag.2021.106645.

Shvorov S. Lysenko V. Pasichnyk N. Lukin V. Martsyfei A. (2020). The method of determining the amount of yield based on the results of remote sensing obtained using UAV on the example of wheat. Proceedings - 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering, TCSET 2020, 245-248, 9088648.

Hongtao Cao, Xingfa Gu, Yuan Sun, Hailiang Gao, Zui Tao, Shuaiyi Shi (2021). Comparing, validating and improving the performance of reflectance obtention method for UAV-Remote sensing. International Journal of Applied Earth Observation and Geoinformation, 102, 102391.

N. A. Pasichnyk, D. S. Komarchuk, O. A. Opryshko, S. A. Shvorov, N. A. Kiktev (2021). Methodology for Software Assessment of the Conformity of Atmospheric Correction from the UAV's Zenith Sensor. 2021 IEEE 6th International Conference on Actual Problems of Unmanned Aerial Vehicles Development (APUAVD), 1-5.

M. Dolia, V. Lysenko, N. Pasichnyk, O. Opryshko, D. Komarchuk, V. Miroshnyk, T. Lendiel, A. Martsyfei (2019). Information Technology for Remote Evaluation of After Effects of Residues of Herbicides on Winter Crop Rape. 2019 3rd International Conference on Advanced Information and Communications Technologies (AICT), 469-473.

Rong-Hui Miao, Jing-Lei Tang, Xiao-Qian Chen (2015). Classification of farmland images based on color features. Journal of Visual Communication and Image Representation, 29, 138-146.

Yongcai Zhou, Congcong Lao, Yalong Yang, Zhitao Zhang, Haiying Chen, Yinwen Chen, Junying Chen, Jifeng Ning, Ning Yang (2021). Diagnosis of winter-wheat water stress based on UAV-borne multispectral image texture and vegetation indices. Agricultural Water Management, 256, 107076;

A. Movia, A. Beinat, F. Crosilla (2016). Shadow detection and removal in RGB VHR images for land use unsupervised classification. ISPRS Journal of Photogrammetry and Remote Sensing, 119, 485-495.

Genyun Sun, Hui Huang, Qihao Weng, Aizhu Zhang, Xiuping Jia, Jinchang Ren, Lin Sun, Xiaolin Chen (2019). Combinational shadow index for building shadow extraction in urban areas from Sentinel-2A MSI imagery. International Journal of Applied Earth Observation and Geoinformation, 78, 53.


Метрики статей

Завантаження метрик ...

Metrics powered by PLOS ALM

Посилання

  • Поки немає зовнішніх посилань.


Bookmark and Share