In-field classification of weed leaves by machine vision using deformable templates
Classification d'adventices par vision numérique de terrain à l'aide de modèles déformables
Résumé
New weeding strategies for pesticide reduction relie on the spatial distribution and characterisation of in-field weed populations. Therefore, many researches have focused on weed identification by vision techniques. However, difficulties still remain that are mainly due to outdoor scene complexity and biological variability of plants. In the present approach, the segmentation step is improved by introducing an a priori knowledge on the searched shapes in the image (i-e the weed leaves), using deformable shape models. In this context, the segmentation of partially occluded leaves becomes possible, as well as their subsequent classification using morphological and color parameters.
Les stratégies à venir de réduction de l'usage des pesticides s'appuieront sur la distribution spatiale et la caractérisation des populations d'adventices sur le terrain. De fait, de nombreuses recherches concernent l'identification des adventices par vision numérique. Cependant, des difficultés subsistent, dues principalement à la complexité des scènes d'extérieur et à la variabilité biologique des plantes. Dans la présente approche, l'étape de segmentation est améliorée en introduisant une connaissance a priori des formes recherchées dans l'image (feuilles d'adventices), à l'aide de modèles déformables. Dans ce contexte, la segmentation de feuilles partiellement cachées devient possible, puis leur classification sur la base de critères de forme et de couleur.