PulseAugur
实时 05:53:20
English(EN) CGMap: A Geospatially Aware Deep Learning Framework for Crop Gap Mapping Using UAV

新AI框架利用无人机图像绘制作物出苗空缺图

研究人员开发了一个名为CGMap的深度学习框架,利用无人机图像精确绘制作物出苗空缺图。该系统利用YOLOv8架构,识别出苗作物和影响生产力的“秃斑”。该框架采用一种新颖的、使用最小生成树的方向归一化技术来处理种植几何形状的变化,从而能够可靠地提取行列。输出是Well-Known Text格式的地理空间出苗图,旨在集成到GIS平台中,以指导移栽工作并提高作物产量。 AI

影响 通过提供精确的作物监测和指导资源分配,可以提高农业效率和可持续性。

排序理由 关于一种用于作物空缺测绘的新深度学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI框架利用无人机图像绘制作物出苗空缺图

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Karan Sharma, Rajiv Ranjan, Dinesh Kumar, Shashank Tamaskar ·

    CGMap:一种用于使用无人机进行作物空隙测绘的地理空间感知深度学习框架

    arXiv:2607.18779v1 Announce Type: new Abstract: In India, crop germination is primarily monitored by visual inspection and manual counting, which are prone to errors, despite their crucial role in determining eventual yield potential. This paper highlights a deep learning based p…