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
Скачать


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

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».