Accurate and Efficient Urban Street Tree Inventory with Deep Learning on Mobile Phone Imagery

要約

気候変動の主な原因である森林破壊は、農業部門の混乱、地球温暖化、鉄砲水、地滑りなどの有害な結果をもたらします。
都市街路樹の在庫に対する従来のアプローチには不正確さがあり、特殊な機器が必要です。
これらの課題を克服するために、この論文では、都市の街路樹の目録に深層学習技術と携帯電話のイメージングを活用する革新的な方法を提案します。
私たちのアプローチでは、スマートフォンのカメラで撮影した 1 対の画像を利用して木の幹を正確にセグメント化し、胸高直径 (DBH) を計算します。
従来の方法と比較して、当社のアプローチには、優れた精度、専用機器への依存度の低減、手の届きにくい領域への適用性など、いくつかの利点があります。
私たちは 400 本の木の包括的なデータセットでこの方法を評価し、誤差率 2.5% 未満の DBH 推定精度を達成しました。
私たちの方法は、森林管理の実践を大幅に改善する大きな可能性を秘めています。
私たちのモデルは、樹木目録の精度と効率を高めることで、都市管理が森林破壊と気候変動の悪影響を軽減できるようにします。

要約(オリジナル)

Deforestation, a major contributor to climate change, poses detrimental consequences such as agricultural sector disruption, global warming, flash floods, and landslides. Conventional approaches to urban street tree inventory suffer from inaccuracies and necessitate specialised equipment. To overcome these challenges, this paper proposes an innovative method that leverages deep learning techniques and mobile phone imaging for urban street tree inventory. Our approach utilises a pair of images captured by smartphone cameras to accurately segment tree trunks and compute the diameter at breast height (DBH). Compared to traditional methods, our approach exhibits several advantages, including superior accuracy, reduced dependency on specialised equipment, and applicability in hard-to-reach areas. We evaluated our method on a comprehensive dataset of 400 trees and achieved a DBH estimation accuracy with an error rate of less than 2.5%. Our method holds significant potential for substantially improving forest management practices. By enhancing the accuracy and efficiency of tree inventory, our model empowers urban management to mitigate the adverse effects of deforestation and climate change.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google