[論文レビュー] Recognition of Pyralidae Insects Using Intelligent Monitoring Autonomous Robot Vehicle in Natural Farm Scene

Boyi Liu, Zhuhua Hu+3 more|arXiv (Cornell University)|Mar 26, 2019

Smart Agriculture and AI参考文献 26被引用数 12

ひとこと要約

本論文では、自然な農場環境においてコウロウムシ科の害虫（例：トウモロコシボウネリ、イネコナジラミ）を検出・同定する知能型画像認識システムを備えた自律型ロボット車両を提案する。逆ヒストグラムマッピング、制約付きオツー二値化、およびヒューモーメントに基づく特徴マッチングを用いることで、94.3％の認識精度を達成するとともに、害虫監視に適応するロボットアームの制御を可能にする。

ABSTRACT

The Pyralidae pests, such as corn borer and rice leaf roller, are main pests in economic crops. The timely detection and identification of Pyralidae pests is a critical task for agriculturists and farmers. However, the traditional identification of pests by humans is labor intensive and inefficient. To tackle the challenges, a pest monitoring autonomous robot vehicle and a method to recognize Pyralidae pests are presented in this paper. Firstly, the robot on autonomous vehicle collects images by performing camera sensing in natural farm scene. Secondly, the total probability image can be obtained by using inverse histogram mapping, and then the object contour of Pyralidae pests can be extracted quickly and accurately with the constrained Otsu method. Finally, by employing Hu moment and the perimeter and area characteristics, the correct contours of objects can be drawn, and the recognition results can be obtained by comparing them with the reference templates of Pyralidae pests. Additionally, the moving speed of the mechanical arms on the vehicle can be adjusted adaptively by interacting with the recognition algorithm. The experimental results demonstrate that the robot vehicle can automatically capture pest images, and can achieve 94.3$\%$ recognition accuracy in natural farm planting scene.

研究の動機と目的

• 農業現場における手作業による害虫同定の非効率性と人的負担の低減を目的とする。
• 複雑な自然農場シーンにおいても継続的な害虫監視が可能な自律ロボットプラットフォームの開発を目的とする。
• 画像ベースのコンピュータビジョン技術を用いて、コウロウムシ科害虫の正確でリアルタイムの認識を実現することを目的とする。
• 認識フィードバックに基づくロボットアームの適応的制御を統合し、動的な害虫対応を可能とすることを目的とする。

提案手法

• ロボット車両は自然農場環境において自律走行し、搭載カメラを用いてリアルタイムの画像を撮影する。
• 逆ヒストグラムマッピングを適用して、複雑な背景においても害虫の可視性を向上させる総確率画像を生成する。
• 制約付きオツーしきい値処理を用いて、総確率画像からコウロウムシ科害虫の正確な物体輪郭を抽出する。
• 幾何的およびモーメントベースの特徴（特にヒューモーメント、周囲長、面積）をセグメンテーションされた輪郭から抽出し、分類に用いる。
• 抽出された特徴を既知のコウロウムシ科害虫の参照テンプレートと比較して認識を決定する。
• 認識結果に応じて、操作効率の向上を図るため、機械アームの移動速度を適応的に制御する論理を適用する。

実験結果

リサーチクエスチョン

• RQ1 自律ロボット車両は、構造のない自然農場環境においてコウロウムシ科害虫を信頼性高く検出できるか？
• RQ2 逆ヒストグラムマッピングおよび制約付きオツー二値化は、複雑な農業的背景から害虫オブジェクトをどれほど効果的に分離できるか？
• RQ3 ヒューモーメントおよび形状特徴を用いることで、コウロウムシ科害虫の分類にどれほど高い正確性を達成できるか？
• RQ4 リアルタイムの認識結果を用いて、ロボットアームの動きを動的に制御し、監視の正確性を向上させられるか？
• RQ5 実際の現場条件下で、どの程度の認識精度が達成可能か？

主な発見

• 自律ロボット車両は、自然農場シーン内においてリアルタイムで害虫の画像を効果的に捉えた。
• 逆ヒストグラムマッピングの適用により、ごみだらけの環境下でもコウロウムシ科害虫のコントラストと可視性が顕著に向上した。
• 制約付きオツー二値化により、害虫オブジェクトの輪郭を正確かつ高速に抽出できた。
• ヒューモーメント、周囲長、面積を用いた特徴マッチングにより、参照テンプレートに対する分類の忠実度が非常に高かった。
• 本システムは、実際の現場条件下で94.3％の認識精度を示した。
• 認識出力に基づくロボットアームの適応的制御により、運用の反応性とターゲティング効率が向上した。