p Compreender completamente o crescimento de galhos e folhas de árvores frutíferas individuais e gerenciá-los adequadamente são importantes para melhorar sua qualidade. Contudo, observação diária e conhecimento avançado são necessários para o manejo adequado e cultivo de árvores, portanto, os sistemas de gerenciamento de árvores usando câmeras estão chamando a atenção. A modelagem 3-D automática de formas de plantas e estruturas de ramos a partir de imagens é uma tecnologia indispensável para buscar tanto o cultivo que economiza trabalho quanto a melhoria da qualidade do produto. p A reconstrução tridimensional (3-D) a partir de várias imagens obtidas de diferentes pontos de vista foi examinada ativamente. Contudo, era difícil reconstruir a estrutura de objetos que tinham partes ocultas, como plantas com estruturas ramificadas escondidas sob suas folhas.

p Ao combinar a abordagem de tradução original de imagem para imagem em uma estrutura de aprendizagem profunda Bayesiana e reconstrução 3-D, um grupo de pesquisadores liderado por Fumio Okura estimou a probabilidade de existência de galhos que estão escondidos sob as folhas nas imagens. Usando essas posições estimadas de filial, eles conseguiram reconstrução 3-D precisa de estruturas de ramos, incluindo aqueles escondidos sob as folhas. Especificamente, eles converteram imagens de plantas frondosas em imagens que mostram a probabilidade de existência de ramos, conseguindo assim a reconstrução 3-D.

p Os resultados deste estudo serão apresentados na Conferência EEE / CVF sobre Visão Computacional e Reconhecimento de Padrões (CVPR 2018), a ser realizada de 18 a 22 de junho 2018. O artigo apresentado na conferência será publicado na Computer Vision Foundation Open Access como parte dos anais da conferência em 4 de junho, 2018.

p Os resultados irão contribuir para o cultivo e manejo de plantas por inteligência artificial (IA) e análise de imagens. Eles serão úteis na realização de tecnologia de cultivo futura para permitir (a) gerenciamento diário detalhado do processo de nível de ramo / folha de plantas em crescimento em lugares onde a visão dos cultivadores não pode alcançar filmando com um drone ou robô, (b) encontrar os melhores métodos de corte ou poda para plantas, e (c) previsão do crescimento futuro das plantas.