多源融合植被估计算法

低覆盖不漏检

融合RGB、热红外与深度点云，按植被覆盖度分段估计，同步解决高覆盖冗余与低覆盖漏检问题。

Zhang, Yuzhuo · Wang, Tianyi · 尤泳 · 王德成 · Mengyuan, Lu · Hengyuan, Wang

Computers and Electronics in Agriculture 2024

参数信息

实际检测覆盖损失率降低（融合 vs 非融合）

10 %

十组田间实验平均准确率

94.1 %

平均召回率

93.5 %

平均F1

93.8 %

实际检测覆盖损失率降低（GANet-Mask vs BlendMask）

5 %

技术优势

检测更准

融合方法相比非融合方法将实际检测覆盖损失率降低超过10%，相比仅用RGB（即使是GANet-Mask模型）降低超过5%。

低覆盖更准

提出的GANet-Mask算法在30%-70%植被覆盖度范围内实际检测覆盖损失率比BlendMask低超过5%，优于其他实例分割模型。

应用场景

• 草地生态监测：提供草地植被覆盖度的高精度估计，反映草地生态状况。
• 无人机遥感：可集成到无人机遥感系统，提升近地检测效率。
• 农业机器人：为农业机器人提供植被覆盖感知能力，辅助作业决策。
• 环境传感网：作为环境传感网络中的植被覆盖度检测节点。