Adaptive Clustering for Efficient Phenotype Segmentation of UAV Hyperspectral Data

要約

無人航空機 (UAV) とハイパースペクトル イメージング (HSI) を組み合わせることで、生化学的な葉の特性などの目に見えない特徴の予測を可能にする詳細なスペクトル情報を捕捉することで、環境および農業への応用の可能性がもたらされます。
ただし、HSI はデータ集約型であるため、計算リソースとストレージが限られているリモート デバイスにとっては課題が生じます。
この論文では、リアルタイム ツリー表現型セグメンテーションのためのオンライン ハイパースペクトル単純線形反復クラスタリング アルゴリズム (OHSLIC) フレームワークを紹介します。
OHSLIC は、クロロフィル、カロテノイド、アントシアニンなどの葉の内容を使用して樹木の表現型を評価する、適応型インクリメンタル クラスタリングと軽量ニューラル ネットワークを通じて、固有のノイズと計算需要を削減します。
ハイパースペクトル データセットは、現実的な葉のパラメーターと光のインタラクションを組み込んだカスタム シミュレーターを使用して作成されます。
結果は、OHSLIC がピクセルベースまたはウィンドウベースの方法と比較して優れた回帰精度とセグメンテーションパフォーマンスを達成しながら、推論時間を大幅に短縮することを示しています。
このメソッドの適応クラスタリングにより、計算効率と精度の間の動的なトレードオフが可能になり、HSI アプリケーションでのスケーラブルなエッジデバイス展開への道が開かれます。

要約(オリジナル)

Unmanned Aerial Vehicles (UAVs) combined with Hyperspectral imaging (HSI) offer potential for environmental and agricultural applications by capturing detailed spectral information that enables the prediction of invisible features like biochemical leaf properties. However, the data-intensive nature of HSI poses challenges for remote devices, which have limited computational resources and storage. This paper introduces an Online Hyperspectral Simple Linear Iterative Clustering algorithm (OHSLIC) framework for real-time tree phenotype segmentation. OHSLIC reduces inherent noise and computational demands through adaptive incremental clustering and a lightweight neural network, which phenotypes trees using leaf contents such as chlorophyll, carotenoids, and anthocyanins. A hyperspectral dataset is created using a custom simulator that incorporates realistic leaf parameters, and light interactions. Results demonstrate that OHSLIC achieves superior regression accuracy and segmentation performance compared to pixel- or window-based methods while significantly reducing inference time. The method`s adaptive clustering enables dynamic trade-offs between computational efficiency and accuracy, paving the way for scalable edge-device deployment in HSI applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google