Анализ изображений растения, полученных с камеры системы автоматизированного ухода, для визуальной оценки изменения его состояния с течением времени

Обложка

Цитировать

Полный текст

Аннотация

Предложен метод анализа изображений растений, полученных с одной камеры, для определения кроны растения и детектирования её отдельных цветовых оттенков. Рассмотрена возможность визуальной оценки состояния растений с использованием среднего арифметического взвешенного расстояния до эталонов. Приведено описание экспериментальной установки автоматизированного ухода за растениями, с помощью которой были собраны анализируемые данные.

Об авторах

Александр Владимирович Смирнов

Институт программных систем им. А. К. Айламазяна РАН

Автор, ответственный за переписку.
Email: asmirnov_1991@mail.ru
ORCID iD: 0000-0002-7104-1462
Младший научный сотрудник лаборатории методов обработки и анализа изображений Института программных систем имени А. К. Айламазяна РАН. Область научных интересов: компьютерное зрение, нейронные сети, обработка изображений.

Егор Сергеевич Иванов

Институт программных систем им. А. К. Айламазяна РАН

Email: egor.s.ivanov@gmail.com
ORCID iD: 0000-0002-5593-4404
Младший научный сотрудник лаборатории методов обработки и анализа изображений Института программных систем имени А. К. Айламазяна РАН. Область научных интересов: компьютерное зрение, анализ данных, обработка изображений.

Список литературы

  1. S.D. Gupta, Y. Ibaraki. “Image analysis for plants: Basic procedures and techniques”, Plant Image Analysis: Fundamentals and Applications, CRC Press, Boca Raton, 2014, ISBN 9780429072345.
  2. А.Г. Зотин, Е.Ю. Золотарева. «Application of multispectral segmentation for the green vegetation status analysis based on video», Программные продукты и системы, 2011, №4 (in Russian).
  3. М.Я. Брагинский, Д.В. Тараканов. «Estimation of plants health using convolutional neural networks», Вестник кибернетики, 2021 10.34822/1999-7604-2021-1-41-50, №1(41), с. 41–50 (in Russian).
  4. J. Huixian. “The analysis of plants image recognition based on deep learning and artificial neural network”, IEEE Access, 8 (2020), pp. 68828–68841.
  5. F. Vasseur, J. Bresson, G. Wang, R. Schwab, D. Weigel. “Image-based methods for phenotyping growth dynamics and fitness components in ”, Plant Methods, 14 (2018), 63, 11 pp.
  6. N. Otsu. “A threshold selection method from gray-level histograms”, IEEE Transactions on Systems, Man, and Cybernetics, 9:1 (1979), pp. 62–66.
  7. P. Jaccard. “Distribution de la flore alpine dans le Bassin des Dranses et dans quelques regions voisines”, Bull. Soc. Vaudoise Sci. Nat., 37:140 (1901), pp. 241–272.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).