Exploring methods for detecting maize plant density using Structure-from-Motion point clouds

Detta är en Master-uppsats från Lunds universitet/Institutionen för naturgeografi och ekosystemvetenskap

Sammanfattning: Sammanfattning Jordens befolkning förväntas öka de kommande årtiondena. Detta kan skapa osäkerhet kring livsmedelsförsörjning och kräver en mer produktiv livsmedelssektor samt metoder för att bedöma tillgång på livsmedel i förhållande till efterfrågan. Utvecklandet av lågkostnadsmetoder för övervakning av grödor kan stödja en hållbar intensifiering av jordbruket och tillhandahålla användbar information kring skörd i förväg. En relativt ny utveckling inom fjärranalystekniken är möjligheten att modellera en grödas krontak i 3D genom Structure-from-Motion (SfM) teknologi. Denna teknik använder överlappande bilder för att skapa ett tredimensionellt punktmoln genom fotogrammetriska principer. Denna studie syftade därför till att undersöka användningen av SfM-teknik för att bestämma majsens planttäthet, en skörd-relaterad plantparameter. Studien undersökte två metoder baserade på punktmoln som genererades från drönarbilder för att bestämma tätheten av majsplantor. I den första metoden användes en enkel linjär regression för att utforska en potentiell relation mellan ett mått på variationer i höjd på punkter i punkmolnet och majsens planttäthet. Ett svagt samband hittades, men metoden visade sig vara sårbar för heterogena plantfördelningar inom provområdena. Detta påvisade vikten av provområdets storlek i förhållande till den spatiala fördelningen av de modellerade plantorna. En risk för felidentifiering av större områden utan plantor som områden med hög växtdensitet upptäcktes också, vilket tyder på att stora ytor utan plantor bör uteslutas innan man tillämpar metoden. Den andra metoden syftade till att avgränsa enskilda majsplantor genom att generera höjdkonturer på kontinuerliga ytmodeller baserade på punktmoln. Genom att sortera ut konturerna på höjd och längd, skulle konturerna placeras på majsplantornas position. Resultaten hade låg exakthet i förhållande till valideringsdata, potentiellt på grund av svårigheten att applicera metoden på objekt med så komplex geometri som majsplantor. Oskarpa drönarbilder och suboptimal UAV-flygplanering för 3D-modelleringsändamål kan också ha påverkat resultaten från båda metoder. Nyckelord: Geografi, Ekosystemvetenskap, Planttäthet, Majs, Structure-from-Motion, Unmanned Aerial Vehicles (UAV)

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)