Automated detection of weeds and evaluation of crop sprouts quality based on RGB-images | Автоматизированное обнаружение сорняков и оценка качества всходов сельскохозяйственных культур по RGB-изображениям

English. There is proposed a method of automated data processing allowing to detect weeds and assess crop sprouts quality and quantity based on RGB images obtained by unmanned aerial vehicles (UAVs). The process consists of four main stages: 1) vegetation map generation with the use of modified Triangular Greenness Index (TGI); the index is defined as the area of a triangle formed by 3 points on a spectral curve with wavelengths of 480, 550 and 670 nm and estimates leaf chlorophyll content based on RGB images; 2) determination of the position of crop rows and spaces between rows based on the vegetation map; 3) detection of weeds and generation of an appropriate weed map; 4) division of crop rows into non-intersecting fragments and calculating vegetation density in each (the ratio of vegetation area to the total fragment area). By changing the empirically determined parameters of map thresholds of fragment density, one can obtain a map that describes quality of crop sprouts. Unlike existing methods, the proposed scheme does not require presence of infrared data and can be applied to usual RGB images with the use of wide-spread types of UAVs. The method was tested on RGB images of flax and sunflower sprouts captured with SONY ILCE-6000 camera in June, 2017 in Altai Territory. The images were taken at the height of 150 m, spatial resolution was 1.5 cm/pixel. The size of each image was 6000х4000 pixels. Test results confirmed high efficiency of the proposed method.

Russian. Предложен автоматизированный метод обработки данных, позволяющий по RGB-изображениям, полученным с беспилотных летательных аппаратов (БПЛА), обнаруживать сорняки и получать количественную и качественную оценку всходов с.-х. культур. Процесс обработки включает 4 этапа: 1) построение карты растительности с использованием модифицированного треугольного индекса TGI, значение индекса TGI (Triangular Greenness Index) определяется как площадь треугольника, образованного точками на спектральной кривой с длинами волн 480, 550 и 670 нм, позволяющего оценивать количество хлорофилла в листьях по данным RGB-изображений; 2) определение положения рядов посадок и междурядий на основе построенной карты растительности; 3) обнаружение сорняков и построение соответствующей картосхемы; 4) разбиение рядов посадок на непересекающиеся фрагменты и подсчет в каждом из них значения плотности растительности (отношения площади, занятой растительностью, к общей площади фрагмента). Задавая найденные эмпирически пороговые значения для карты плотностей фрагментов, можно получить картосхему, характеризующую качество всходов. В отличие от известных методов предлагаемый подход не использует данные в инфракрасном диапазоне и может быть применен для работы с обычными RGB-изображениями в связке с распространенными типами БПЛА. Метод был протестирован на RGB-изображениях всходов льна и подсолнечника, полученных с помощью камеры SONY ILCE-6000 в июне 2017 г. в Алтайском крае. Изображения сняты с высоты 150 м, пространственное разрешение – 1.5 см/пиксель. Размер каждого изображения составлял 6000х4000 пикселей. Результаты тестирования подтвердили высокую эффективность предлагаемого метода.