Application of Deep Learning Techniques for Vineyard Mapping and Characterization Using Multispectral UAV Imagery: A Case Study from Northern Greece
Dimitra Passa · Spyridon E. Detsikas · Georgios Nektarios Tselos 等 5 人
用多光谱无人机影像和深度学习实现葡萄园制图与冠层特征提取。
多光谱无人机影像、RGB与多光谱融合、深度学习、ArcGIS Pro空间分析。
UAV+DL+GIS可灵活构建葡萄园精准管理的数据驱动框架。
可探索跨品种、跨生长阶段的迁移学习与轻量化模型，提升葡萄园实时监测泛化能力。
希腊北部葡萄园的多光谱无人机深度学习制图案例，方法新颖但属区域性研究，对国内智慧农业有参考价值。
无人机（UAV）技术的发展与深度学习（DL）的兴起，极大地提升了精准葡萄栽培以可扩展且精细的方式监测农场环境的能力。葡萄园制图与葡萄植株特异性特征的提取对于产量估算、植株健康评估和管理决策至关重要。本研究探讨了基于深度学习的图像分析技术在多光谱无人机影像数据（深度学习）用于葡萄园制图与表征中的应用。所提出的方法整合了空间与光谱信息，以 delineate 葡萄园结构并捕捉与精准农业相关的关键冠层特征。多模态数据集（包括RGB和多光谱波段）有助于更好地区分葡萄藤与周围元素。通过ArcGIS Pro进一步进行地理空间分析与数据处理，从而实现结果的空间验证、提取特征的识别以及适当的解释性专题图层的创建。无人机影像、深度学习工具与基于GIS的分析相结合，提供了一套强大且灵活的工作流程，可针对不同葡萄品种、生长条件和环境进行调整。总体而言，本研究展示了将基于无人机的遥感与深度学习和GIS技术 rigidly 结合，以创建灵活、可操作且数据驱动的葡萄园管理框架的潜在优势。在此基础上，可制定可持续且富有成效的管理实践，从而优化精准葡萄栽培中的资源与葡萄园管理决策，凸显了这种技术整合对现代葡萄园监测与管理的重要性。