Robust soybean seed yield estimation using high-throughput ground robot videos

要約

我々は、コンピュータビジョンとディープラーニング技術による高スループットな種子計数を活用した、ダイズ（Glycine max (L.) Merr.）の収量推定のための新しい方法を紹介する。収量データを収集するための従来の方法は、労力がかかり、コストがかかり、重要なデータ収集時に機器の故障が起こりやすく、圃場をまたいで機器を輸送する必要がある。コンピュータ・ビジョンは、コンピュータに視覚データの解釈を教える分野であり、画像から直接詳細な収穫量情報を抽出することができる。魚眼カメラを搭載した地上ロボットを使って大豆圃場の包括的なビデオを撮影し、そこからさまざまな開発プログラムで画像を抽出する。これらの画像はディープラーニングフレームワークであるP2PNet-Yieldモデルで処理され、特徴抽出モジュール（P2PNet-Soyのバックボーン）と収量回帰モジュールを組み合わせて、大豆圃場の種子収量を推定する。我々の結果は、2021年の8500、2022年の2275、2023年の650という3年分の収量テスト圃場データに基づいて構築されている。これらのデータセットを用いて、我々のアプローチは、魚眼画像補正やランダムセンサー効果によるデータ補強など、種子計数および収量推定アーキテクチャの精度と汎用性をさらに向上させるためのいくつかのイノベーションを組み込んだ。P2PNet-Yieldモデルは、最大83%の遺伝子型ランキング精度を達成した。P2PNet-Yieldモデルは、従来の収量推定に関連するコストだけでなく、収量データを収集する時間も最大32%削減し、育種プログラムや農業生産性向上のためのスケーラブルなソリューションを提供する。

要約(オリジナル)

We present a novel method for soybean (Glycine max (L.) Merr.) yield estimation leveraging high throughput seed counting via computer vision and deep learning techniques. Traditional methods for collecting yield data are labor-intensive, costly, prone to equipment failures at critical data collection times, and require transportation of equipment across field sites. Computer vision, the field of teaching computers to interpret visual data, allows us to extract detailed yield information directly from images. By treating it as a computer vision task, we report a more efficient alternative, employing a ground robot equipped with fisheye cameras to capture comprehensive videos of soybean plots from which images are extracted in a variety of development programs. These images are processed through the P2PNet-Yield model, a deep learning framework where we combined a Feature Extraction Module (the backbone of the P2PNet-Soy) and a Yield Regression Module to estimate seed yields of soybean plots. Our results are built on three years of yield testing plot data – 8500 in 2021, 2275 in 2022, and 650 in 2023. With these datasets, our approach incorporates several innovations to further improve the accuracy and generalizability of the seed counting and yield estimation architecture, such as the fisheye image correction and data augmentation with random sensor effects. The P2PNet-Yield model achieved a genotype ranking accuracy score of up to 83%. It demonstrates up to a 32% reduction in time to collect yield data as well as costs associated with traditional yield estimation, offering a scalable solution for breeding programs and agricultural productivity enhancement.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL