Evaluación de la salud de los árboles de eucalipto utilizando la red siamesa de Google Street and Ground Truth Images

La vegetación urbana es una característica esencial del ecosistema urbano, que ofrece varias ventajas, como una mejor calidad del aire, instalaciones de salud humana, control de la escorrentía de aguas pluviales, reducción de carbono y un aumento en el valor de las propiedades. Por tanto, la identificación y el seguimiento continuo de la vegetación (árboles) es de vital importancia para nuestro estilo de vida urbano.

Este documento propone una red basada en el aprendizaje profundo, la red neuronal convolucional siamesa (SCNN), combinada con un algoritmo de línea de rodamiento (LOB) basado en la fuerza bruta modificado que evalúa la salud de los árboles de eucalipto como saludables o no saludables e identifica su geolocalización en tiempo real desde Google Street View (GSV) e imágenes de verdad del terreno. El conjunto de datos representa los diversos detalles de los árboles de eucalipto desde múltiples puntos de vista, escalas y diferentes formas de textura. Los experimentos se llevaron a cabo en el área del ayuntamiento de Wyndham en el estado de Victoria, Australia.

El enfoque del método aplicado obtuvo una precisión promedio del 93,2% en la identificación de árboles saludables y no saludables después de entrenar con alrededor de 4.500 imágenes y probar con 500 imágenes. Este estudio ayuda a identificar el árbol de eucalipto con problemas de salud o árboles muertos de una manera automatizada que puede facilitar la gestión verde urbana y ayudar al ayuntamiento a tomar decisiones sobre plantaciones y mejoras en el cuidado de los árboles.

En general, este estudio muestra que incluso en un contexto complejo, el algoritmo de aprendizaje profundo acá aplicado puede detectar la mayoría de los árboles de eucalipto saludables y no saludables en tiempo real.

Título Original:

"Health Assessment of Eucalyptus Trees Using Siamese Network from Google Street and Ground Truth Images"

Autor/es: