Detección de conteo y espaciado de plantas de maíz en etapa temprana a nivel de parcela utilizando algoritmos avanzados de aprendizaje profundo basados en imágenes de UAV
Autores: Wang, Biwen; Zhou, Jing; Costa, Martin; Kaeppler, Shawn M.; Zhang, Zhou
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección de conteo y espaciado de plantas de maíz en etapa temprana a nivel de parcela utilizando algoritmos avanzados de aprendizaje profundo basados en imágenes de UAV
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Fenotipado
Cría
Maíz
Imágenes de UAV
Algoritmos de aprendizaje profundo
Espaciado de plantas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La fenotipificación es uno de los procesos más importantes en la cría moderna, especialmente para el maíz, que es un cultivo importante para alimentos, piensos y usos industriales. Los criadores invierten un tiempo considerable en identificar genotipos con alta productividad y tolerancia al estrés. El espaciado de las plantas juega un papel crítico en la determinación del rendimiento de los cultivos en entornos de producción para proporcionar información de gestión útil. En este estudio, proponemos una solución automatizada que utiliza imágenes de vehículos aéreos no tripulados (UAV) y algoritmos de aprendizaje profundo para proporcionar un recuento preciso de plantas y variabilidades de espaciado a nivel de planta (PSV) con el fin de facilitar la toma de decisiones de los criadores.
Descripción
La fenotipificación es uno de los procesos más importantes en la cría moderna, especialmente para el maíz, que es un cultivo importante para alimentos, piensos y usos industriales. Los criadores invierten un tiempo considerable en identificar genotipos con alta productividad y tolerancia al estrés. El espaciado de las plantas juega un papel crítico en la determinación del rendimiento de los cultivos en entornos de producción para proporcionar información de gestión útil. En este estudio, proponemos una solución automatizada que utiliza imágenes de vehículos aéreos no tripulados (UAV) y algoritmos de aprendizaje profundo para proporcionar un recuento preciso de plantas y variabilidades de espaciado a nivel de planta (PSV) con el fin de facilitar la toma de decisiones de los criadores.