| Инд. авторы: | Пестунов И.А., Мельников П.В., Рылов С.А., Синявский Ю.Н. |
| Заглавие: | Оценка качества всходов сельскохозяйственных культур по RGB-изображениям с БПЛА |
| Библ. ссылка: | Пестунов И.А., Мельников П.В., Рылов С.А., Синявский Ю.Н. Оценка качества всходов сельскохозяйственных культур по RGB-изображениям с БПЛА // Информационные технологии, системы и приборы в АПК: материалы 7-й Международной научно-практической конференции «Агроинфо-2018» (Новосибирская область, р.п. Краснообск, 24-25 октября 2018 г.). - 2018. - Новосибирская область, р.п. Краснообск: Академиздат. - С.514-519. - ISBN: 978-5-6041788-4-3. - http://elib.ict.nsc.ru/jspui/bitstream/ICT/1880/7/Agroinfo2018_book_514-519.pdf |
| Внешние системы: | РИНЦ: 36348291; |
| Реферат: | eng: Weed detection and seedling quantitative and qualitative assessment method via RGB-images obtained from umannedaerial vehicles is proposed. Testing results confirming the high efficiency of the proposed method are presented. rus: Предлагается метод, позволяющий по RGB-изображениям, полученным с беспилотных летательных аппаратов, обнаруживать сорняки и получать количественную и качественную оценку всходов сельскохозяйс твенных культур. Приводятся результаты тестирования, подтверждающие высокую эффективность предлагаемого метода. |
| Ключевые слова: | сорняки; индекс TGI; бпла; RGB-изображения; автоматизированная оценка качества всходов; |
| Издано: | 2018 |
| Физ. характеристика: | с.514-519 |
| Ссылка: | http://elib.ict.nsc.ru/jspui/bitstream/ICT/1880/7/Agroinfo2018_book_514-519.pdf |
| Конференция: | Название: 7-ая Международная научно-практическая конференция «Информационные технологии, системы и приборы в АПК» Аббревиатура: АГРОИНФО-2018 Город: Новосибирская область, Новоосибирский район, р.п. Краснообск Страна: Россия Даты проведения: 2018-10-24 - 2018-10-25 Ссылка: http://conf.ict.nsc.ru/agroinfo2018/ru |
| Цитирование: | 1. Makanza R., Zaman-Allah M., Cairns J.E., et al. High-Throughput Phenotyping of Canopy Cover and Senescence in Maize Field Trials Using Aerial Digital Canopy Imaging//Remote Sens. -2018. -Vol. 10. -P. 330. -DOI: 10.3390/rs10020330. 2. Pena J.M., Torres-Sanchez J., Serrano-Perez A., de Castro A.I. Quantifying Efficacy and Limits of Unmanned Aerial Vehicle (UAV) Technology for Weed Seedling Detection as Affected by Sensor Resolution//Sensors. -2015. -Vol. 15. -P. 5609-5626. 3. Hunt E.R. Jr., Doraiswamy P.C., McMurtrey J.E. et al. A visible band index for remote sensing leaf Chlorophyll content at the Canopy Scale//International Journal of Applied Earth Observation and Geoinformation. -2013. -Vol. 21. -P. 103-112. DOI: 10.1016/j.jag.2012.07.020. 4. McKinnon T., Hoff P. Comparing RGB-Based Vegetation Indices with NDVI for Agricultural Drone Imagery. -. 5. Storn R., Price K. Differential Evolution -a Simple and Efficient Heuristic for Global Optimization over Continuous Spaces//Journal of Global Optimization. -1997. -Vol. 11. -P. 341-359. |
