Multispectral Fine-Grained Classification of Blackgrass in Wheat and Barley Crops

要約

除草剤耐性の負担が増大し、除草剤の過剰使用による環境への影響が明らかになるにつれ、雑草の個体数を管理する新しい方法が必要とされている。これは、主食作物であり、世界的に農地の大部分を占める小麦や大麦のような穀類に特に当てはまる。世界の主要な食用作物であるこれらの作物において、雑草管理方法を少しでも改善すれば、環境と世界の食糧安全保障の両面で大きな利益をもたらすだろう。ブラックグラスは主要なイネ科雑草であり、主要な穀物生産地域である北西ヨーロッパの穀物作物で特に大きな問題を引き起こしている。マシンビジョンとマルチスペクトルイメージングを用いて、小麦と大麦の作物におけるブラックグラスを識別する最新の方法の有効性を調査する。この研究の一環として、ブラックグラスの雑草認識に関するいくつかの重要な側面を評価するための大規模なデータセットを提供する。第一に、未見の圃場の画像に対する、異なるCNNと変換器ベースのアーキテクチャの性能を決定する。次に、異なるスペクトルバンドが雑草分類の性能に与える役割を示す。最後に、分類性能におけるデータセットの大きさの役割を、試用した各モデルについて評価する。我々は、かなり控えめな量の学習データでも、未見の畑の画像でほぼ90％の精度を達成できることを発見した。

要約(オリジナル)

As the burden of herbicide resistance grows and the environmental repercussions of excessive herbicide use become clear, new ways of managing weed populations are needed. This is particularly true for cereal crops, like wheat and barley, that are staple food crops and occupy a globally significant portion of agricultural land. Even small improvements in weed management practices across these major food crops worldwide would yield considerable benefits for both the environment and global food security. Blackgrass is a major grass weed which causes particular problems in cereal crops in north-west Europe, a major cereal production area, because it has high levels of of herbicide resistance and is well adapted to agronomic practice in this region. With the use of machine vision and multispectral imaging, we investigate the effectiveness of state-of-the-art methods to identify blackgrass in wheat and barley crops. As part of this work, we provide a large dataset with which we evaluate several key aspects of blackgrass weed recognition. Firstly, we determine the performance of different CNN and transformer-based architectures on images from unseen fields. Secondly, we demonstrate the role that different spectral bands have on the performance of weed classification. Lastly, we evaluate the role of dataset size in classification performance for each of the models trialled. We find that even with a fairly modest quantity of training data an accuracy of almost 90% can be achieved on images from unseen fields.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL