Investigating image-based fallow weed detection performance on Raphanus sativus and Avena sativa at speeds up to 30 km h$^{-1}$

要約

サイト固有の雑草管理 (SSWC) により、雑草管理のコストと除草剤の使用量を大幅に削減できます。
SSWC システムでのマシン ビジョンの期待と、雑草防除効果における対地速度の重要性にもかかわらず、対地速度とカメラ特性が雑草検出性能に与える役割についてはほとんど調査されていません。
ここでは、オープンソースの OpenWeedLocator プラットフォームを使用した 4 つのカメラとソフトウェアの組み合わせのパフォーマンスを比較します。(1) Raspberry Pi HQ カメラのデフォルト設定、(2) HQ カメラの最適化されたソフトウェア設定、(3) Raspberry Pi の最適化されたソフトウェア設定
Raspberry Pi v2 カメラ、(4) グローバル シャッター Arducam AR0234 カメラ – 速度は 5 km h$^{-1}$ から 30 km h$^{-1}$ までです。
緑過剰 (ExG) と色相、彩度、値 (HSV) のしきい値アルゴリズムを組み合わせて、代表的な広葉雑草として耕耘大根 (Raphanus sativus) と牧草用オート麦 (Avena sativa) をそれぞれ使用した休閑条件下でのテストに使用しました。
ARDはカメラシステムの中で最も高い再現率を示し、5km h$^{-1}$で雑草の最大95.7%、30km h$^{-1}$で85.7%が検出された。
HQ1カメラとV2カメラの再現率は30km h$^{-1}$でそれぞれ31.1%と26.0%で最も低かった。
速度が増加するにつれて、すべてのカメラで再現率が低下しました。
最も高い減少率はHQ1で観察され、耕耘用大根と飼料用オート麦の速度がkm h$^{-1}$ 増加するごとに、それぞれ再現率が1.12%と0.90%減少した。
すべてのカメラにおいて、イネ科飼料オート麦の検出は広葉耕栽培ダイコンよりも悪かった（P<0.05）。 リコールにばらつきがあるにもかかわらず、HQ1、HQ2、および V2 はテストされたすべての速度でほぼ完璧な精度を維持しました。 対地速度とカメラ システムが草や広葉雑草の検出性能に与える影響はさまざまであり、SSWC システムを開発する際にはハードウェアとソフトウェアを慎重に考慮する必要があることがわかります。

要約(オリジナル)

Site-specific weed control (SSWC) can provide considerable reductions in weed control costs and herbicide usage. Despite the promise of machine vision for SSWC systems and the importance of ground speed in weed control efficacy, there has been little investigation of the role of ground speed and camera characteristics on weed detection performance. Here, we compare the performance of four camera-software combinations using the open-source OpenWeedLocator platform – (1) default settings on a Raspberry Pi HQ camera, (2) optimised software settings on a HQ camera, (3) optimised software settings on the Raspberry Pi v2 camera, and (4) a global shutter Arducam AR0234 camera – at speeds ranging from 5 km h$^{-1}$ to 30 km h$^{-1}$. A combined excess green (ExG) and hue, saturation, value (HSV) thresholding algorithm was used for testing under fallow conditions using tillage radish (Raphanus sativus) and forage oats (Avena sativa) as representative broadleaf and grass weeds, respectively. ARD demonstrated the highest recall among camera systems, with up to 95.7% of weeds detected at 5 km h$^{-1}$ and 85.7% at 30 km h$^{-1}$. HQ1 and V2 cameras had the lowest recall of 31.1% and 26.0% at 30 km h$^{-1}$, respectively. All cameras experienced a decrease in recall as speed increased. The highest rate of decrease was observed for HQ1 with 1.12% and 0.90% reductions in recall for every km h$^{-1}$ increase in speed for tillage radish and forage oats, respectively. Detection of the grassy forage oats was worse (P<0.05) than the broadleaved tillage radish for all cameras. Despite the variations in recall, HQ1, HQ2, and V2 maintained near-perfect precision at all tested speeds. The variable effect of ground speed and camera system on detection performance of grass and broadleaf weeds, indicates that careful hardware and software considerations must be made when developing SSWC systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google