文献

J-GLOBAL ID：202002264499813140   整理番号：20A2307392

最適サブセット選択に基づくイネ穂無人画像セグメンテーション法【JST・京大機械翻訳】

Best Subset Selection Based Rice Panicle Segmentation from UAV Image

著者 (5件)： Cao Yingli (沈陽農業大学信息与電气工程学院,沈陽110866) ,  Liu Yadi (沈陽農業大学信息与電气工程学院,沈陽110866) ,  Ma Dianrong (沈陽農業大学農業農村部東北水稻生物学与遺伝育種重点実験室,沈陽110866) ,  Li Ang (沈陽農業大学信息与電气工程学院,沈陽110866) ,  Xu Tongyu (沈陽農業大学信息与電气工程学院,沈陽110866)
資料名： Nongye Jixie Xuebao  (Nongye Jixie Xuebao)
巻： 51  号： 8  ページ： 171-177,188  発行年： 2020年 
JST資料番号： C2453A  ISSN： 1000-1298  CODEN： NUYCA3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 有効な稲穂識別特徴選択方法を探索するため、無人機デジタル画像水稲の収量推定における画像色空間各通路あるいは指数による水稲穂識別能力の不明瞭さを解決する。2017年と2018年に瀋陽農業大学のスーパーイネ成果転化基地水稲試験畑の無人機高清デジタル画像、地上小区のサンプル方内水稲穂数などの実測データを利用し、水稲穂、葉、背景の3分類画像サンプルデータベースを構築した。最適サブセット選択(Bestsubsetselection)アルゴリズムを用いて、RGBとHSV色空間の各チャネルまたは指数の水稲穂に対する識別能力を分析し、東北ジャポニカ米の穂画像分割に適した7種類の特徴パラメータを抽出した。この特徴を入力として、BPニューラルネットワークに基づく稲穂分割モデルを構築し、さらに、稲穂画像の連結域分析を行い、稲穂数を獲得し、地面実測データと比較した。結果は以下を示した。最適サブセット選択アルゴリズムによって獲得した稲穂画素の分割特徴パラメーターはR、B、H、S、V、GLI、ExGなどの7種類であり、飛行高度が3mの場合、稲穂の分割効果は最も良く、対応する交差検証の平均二乗誤差MSEは0.0363であった。構築した稲穂分割モデルは、東北ジャポニカ米の穂の抽出を有効に実現でき、3、6、9mの飛行高度において、撮影画像の穂数抽出の二乗平均誤差はそれぞれ9.03、11.21、13.10であり、平均絶対誤差はそれぞれ10.60%、14.88%と17であった。16%。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  農業 ,  画素 ,  内水 ,  *無人機 ,  水稲 ,  連絡通路 ,  ディジタル画像 ,  チャネル ,  色空間
準シソーラス用語： ジャポニカ米 ,  平均二乗誤差 ,  *画像セグメンテーション ,  穂数 ,  特徴パラメータ , 【Automatic Indexing@JST】

分類 (3件)： トウモロコシ  (FC03034D) ,  稲作  (FC03020C) ,  収穫・調製用機械  (FB03030K)

タイトルに関連する用語 (4件)： サブセット ,  イネ ,  穂 ,  画像セグメンテーション