.png){kind=icon}
返回
Tracking Insects in Controlled Experiments
.png){kind=icon}
OA
AI
DOI：10.3390/agriculture16171887.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
连续的微小昆虫轨迹可以提供移动距离、速度、休息期、空间偏好以及与植物材料的接触等测量数据，但人工观察工作量大。我们提出了一种低成本的手机到网络工作流程，用于蚜虫的实验室控制实验跟踪。该系统集成了图像采集、在线上传和实验管理、无需训练的多阈值二值化和连通区域过滤检测、卡尔曼滤波预测、全局最近邻关联、轨迹可视化和数据导出。其贡献在于实现了现有方法的易于获取的端到端集成，而非提出新的检测或跟踪算法。在九组控制序列中，平均精确度、召回率和多目标跟踪准确率（MOTA）分别为0.852、0.845和0.671，其中MOTA值范围为0.122至0.915。在干净、清晰聚焦的条件下性能最佳，而在模糊、污垢和类似蚜虫的静止物体存在时性能下降。当前实现假设为标准顶视图和轻质、视觉均匀的背景。未评估现场部署和多小时或多天序列的跟踪精度。
Keyword:
multiple object tracking
tracking
insects
aphids
computer vision
期刊
A
IF:
3.6
论文数:
553
被引数:
0
机构
引用论文
Aphid cluster recognition and detection in the wild using deep learning models.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Real-time insect tracking and monitoring with computer vision and deep learning基于计算机视觉和深度学习的实时昆虫跟踪和监测OAAI
OAAI分享收藏Spatial Monitoring and Insect Behavioural Analysis Using Computer Vision for Precision Pollination使用计算机视觉进行精确授粉的空间监测和昆虫行为分析OAAI
OAAI分享收藏Recommending Advanced Deep Learning Models for Efficient Insect Pest Detection推荐先进的深度学习模型用于高效害虫检测AGRICULTURE-BASELOAAI
AGRICULTURE-BASELIF3.6
OAAI分享收藏Automated imaging coupled with AI-powered analysis accelerates the assessment of plant resistance to Tetranychus urticaeSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏The formation of spatial patterns in social insects: from simple behaviours to complex structuresPHILOSOPHICAL TRANSACTIONS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES
PHILOSOPHICAL TRANSACTIONS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCESIF3.7
PREAI
分享收藏
查看更多内容