• 深度卷積神經網路在果樹判釋與航照分析上的應用

  • 2019 -10 -10
了解果樹的栽植情形與分布,有助於控管果品產量及土地的有效率利用。本研究以深度卷積神經網路對航照圖進行判釋,能快速得知果樹的種類,並搭配地理資訊系統進行空間分析。在深度學習模型時,需先進行航照影像的前處理,以經過果樹辨識專家判讀的shape file為依據,將特定果樹於航照圖中的植栽範圍裁切為一個個形狀不一的小坵塊,經過影像處理後,以此類坵塊中樹木排列的紋理與色澤進行模型的訓練。本研究使用三種不同深度的捲積神經網路模型進行果樹航照影像解析、分類與語義分割,並比較準確度與訓練、判釋時間,以掌握丘陵山區等集約且地勢起伏劇烈的果樹坵塊。以交集與聯集比 (Intersection over Union, IoU)大於0.5的衡量指標,對多種果樹辨識的平均精度的均值(mean average precision, mAP)可達0.85。
未來只要有航照影像,即可利用此類模型快速地標記出特定果樹種類的位置與總面積,將有助於果樹農地的分配與產銷規畫。

本技術獲選為2019未來科技展「未來科技突破獎」,了解更多:深度卷積神經網路在果樹判釋與航照分析上的應用
本網站使用您的Cookie於優化網站。繼續瀏覽網站即表示您同意本公司隱私權政策,您可至隱私權政策了解詳細資訊。