Staff Publications

Staff Publications

  • external user (warningwarning)
  • Log in as
  • language uk
  • About

    'Staff publications' is the digital repository of Wageningen University & Research

    'Staff publications' contains references to publications authored by Wageningen University staff from 1976 onward.

    Publications authored by the staff of the Research Institutes are available from 1995 onwards.

    Full text documents are added when available. The database is updated daily and currently holds about 240,000 items, of which 72,000 in open access.

    We have a manual that explains all the features 

Current refinement(s):

Records 1 - 9 / 9

  • help
  • print

    Print search results

  • export

    Export search results

  • alert
    We will mail you new results for this query: keywords==drones
Check title to add to marked list
Improving the precision and accuracy of animal population estimates with aerial image object detection
Eikelboom, Jasper A.J. ; Wind, Johan ; Ven, Eline van de; Kenana, Lekishon M. ; Schroder, Bradley ; Knegt, Henrik J. de; Langevelde, Frank van; Prins, Herbert H.T. - \ 2019
Methods in Ecology and Evolution (2019). - ISSN 2041-210X
computer vision - convolutional neural network - deep machine learning - drones - game census - image recognition - savanna - wildlife survey

Animal population sizes are often estimated using aerial sample counts by human observers, both for wildlife and livestock. The associated methods of counting remained more or less the same since the 1970s, but suffer from low precision and low accuracy of population estimates. Aerial counts using cost-efficient Unmanned Aerial Vehicles or microlight aircrafts with cameras and an automated animal detection algorithm can potentially improve this precision and accuracy. Therefore, we evaluated the performance of the multi-class convolutional neural network RetinaNet in detecting elephants, giraffes and zebras in aerial images from two Kenyan animal counts. The algorithm detected 95% of the number of elephants, 91% of giraffes and 90% of zebras that were found by four layers of human annotation, of which it correctly detected an extra 2.8% of elephants, 3.8% giraffes and 4.0% zebras that were missed by all humans, while detecting only 1.6 to 5.0 false positives per true positive. Furthermore, the animal detections by the algorithm were less sensitive to the sighting distance than humans were. With such a high recall and precision, we posit it is feasible to replace manual aerial animal count methods (from images and/or directly) by only the manual identification of image bounding boxes selected by the algorithm and then use a correction factor equal to the inverse of the undercounting bias in the calculation of the population estimates. This correction factor causes the standard error of the population estimate to increase slightly compared to a manual method, but this increase can be compensated for when the sampling effort would increase by 23%. However, an increase in sampling effort of 160% to 1,050% can be attained with the same expenses for equipment and personnel using our proposed semi-automatic method compared to a manual method. Therefore, we conclude that our proposed aerial count method will improve the accuracy of population estimates and will decrease the standard error of population estimates by 31% to 67%. Most importantly, this animal detection algorithm has the potential to outperform humans in detecting animals from the air when supplied with images taken at a fixed rate.

Improving the precision and accuracy of animal population estimates with aerial image object detection
Eikelboom, J.A.J. - \ 2019
computer vision - Convolutional neural network (CNN) - deep machine learning - drones - game census - image recognition - Savanna - wildlife survey
Aerial imagery of savanna wildlife counts used to automatically detect elephant, giraffe, and zebra with a deep learning algorithm
UAV-based multi-angular measurements for improved crop parameter retrieval
Roosjen, Peter P.J. - \ 2017
Wageningen University. Promotor(en): M. Herold, co-promotor(en): J.G.P.W. Clevers; H.M. Bartholomeus. - Wageningen : Wageningen University - ISBN 9789463436717 - 133
reflectance - anisotropy - crops - soil water content - drones - remote sensing - reflectiefactor - anisotropie - gewassen - bodemwatergehalte - drones - remote sensing

Optical remote sensing enables the estimation of crop parameters based on reflected light through empirical-statistical methods or inversion of radiative transfer models. Natural surfaces, however, reflect light anisotropically, which means that the intensity of reflected light depends on the viewing and illumination geometry. Therefore, reflectance anisotropy can be considered as an unwanted effect since it may lead to inaccuracies in parameter estimations. However, it can also be considered as information source due to its unique response to the optical and structural properties of the observed surface. In the past, reflectance anisotropy was studied by multi-angular reflectance measurements from space-borne or ground-based sensors. In this research, the opportunities of Unmanned Aerial Vehicles (UAVs) to collect multi-angular measurements were explored. The main results of this research show that multi-angular measurements can be done with UAVs and that the reflectance anisotropy signal can be used to improve the retrieval of crop parameters.

Doorontwikkeling van de precisielandbouw in Nederland : een 360 graden-verkenning van de stand van zaken rond informatie-intensieve landbouw en in het bijzonder de plantaardige, openluchtteelt
Wal, T. van der; Vullings, L.A.E. ; Zaneveld-Reijnders, J. ; Bink, R.J. - \ 2017
Wageningen : Wageningen Environmental Research (Wageningen Environmental Research rapport 2820) - 89
precisielandbouw - landbouw - akkerbouw - drones - winsten - duurzaamheid (sustainability) - wetgeving - nederland - precision agriculture - agriculture - arable farming - profits - sustainability - legislation - netherlands
Een verkenning naar toepassing van drones in landbouw en natuur : drijfveren, kansen en consequenties
Wal, Tamme van der; Meijer, Marcel ; Rip, Frans I. - \ 2016
Wageningen : Wageningen Environmental Research (Wageningen Environmental Research rapport 2742) - 49
drones - landbouw - natuur - innovaties - technologie - wetgeving - agriculture - nature - innovations - technology - legislation
Dit rapport is een nadere uitwerking van het rapport van WODC (Wetenschappelijk Onderzoek- en Documentatie Centrum van het ministerie van Veiligheid en Justitie) uit begin 2015 naar het gebruik van drones. Deze uitwerking, gemaakt in opdracht van het ministerie van Economische Zaken, is gericht op de domeinen landbouw en natuur. Het rapport begint met een overzicht van de diverse aanduidingen voor drones. Daarnaast wordt de VITAAL-typologie voor drones gepresenteerd. Deze fungeert als raamwerk voor de beschouwing van zes in dit rapport onderscheiden aspecten van drones: Vlucht, Inzetbaarheid, Toepassing, Aansturing, Apparaat en Lading. In het tweede hoofdstuk zijn de VITAAL-aspecten in verband gebracht met al bestaande en mogelijke toekomstige inzet van civiele drones in landbouw en natuur. De maatschappelijke vraagstukken die drijfveren (kunnen) zijn voor de inzet van drones komen aan de orde in het derde hoofdstuk, waarbij ook de innovatieopgaven worden besproken die zijn afgeleid uit de maatschappelijke opgaven op het gebied van landbouw en natuur. Het rapport sluit af met de discussie, gevolgd door conclusies en aanbevelingen voor beleid en nader onderzoek. Deze liggen op het vlak van regeldruk, vergroeningsmaatregelen en verkenning van gevolgen van de inzet van drones in een Living Lab.
Vogels kijken niet op van drone
Kleis, R. ; Baptist, M.J. - \ 2015
Resource: weekblad voor Wageningen UR 10 (2015)6. - ISSN 1874-3625 - p. 9 - 9.
vogels - vogels kijken - drones - kweldergronden - slib - bagger - natuurontwikkeling - natuurbeheer - diergedrag - birds - birdwatching - salt marsh soils - sludges - dredgings - nature development - nature management - animal behaviour
Drones zijn in principe een mooi middel om de natuur van de Wadden in de gaten te houden. Maar is dat niet storend voor vogels? Het lijkt mee te vallen, blijkt uit een eerste proef van marien ecoloog Martin Baptist van Imares.
Veldrapportage vogelwaarnemingen bij drone-opnamen Koehoal-Westhoek
Baptist, M.J. - \ 2015
Den Burg : IMARES (Rapport / IMARES ) - 14
vogels - drones - karteringen - inventarisaties - observatie - verstoring - waddenzee - birds - surveys - inventories - observation - disturbance - wadden sea
Op 19 augustus 2015 zijn vogelwaarnemingen verricht tijdens de inzet van een drone boven Natura2000 gebied Waddenzee. De drone werd ingezet voor het maken van orthogonale luchtfoto’s waarmee door middel van fotogrammetrie een digitaal terreinmodel gemaakt kan worden. Uit de in dit rapport gepresenteerde gegevens van drone-opnamen boven Natura2000-gebied Waddenzee is niet gebleken dat er verstoring van vogels is opgetreden. Echter, er kan niet worden uitgesloten dat geen enkele vogel zich verstoord voelde door de aanwezigheid van de drone. In termen van instandhoudingsdoelstellingen voor de Waddenzee kan wel worden uitgesloten dat er significante effecten op de populatie-omvang van beschermde vogels is opgetreden.
Wat vliegt daar?
Nijland, R. ; Anders, N.S. - \ 2014
WageningenWorld (2014). - ISSN 2210-7908 - p. 16 - 19.
remote sensing - landbouwluchtvaart - automatische besturing - superlicht vliegtuig - toepassingen - observatie - drones - agricultural aviation - automatic steering - microlight aircraft - applications - observation
Steeds vaker zetten Wageningse onderzoekers eigen drones in om het gewas, de vegetatie of de bodem van bovenaf te monsteren. Het gebruik van deze luchtvloot is aan strenge eisen gebonden.
Met Okkie de lucht in : Wageningen gebruikt drone voor remote sensing
Kooistra, Lammert - \ 2012
remote sensing - geoinformation - aerial surveys - remote control - drones - applications - agriculture
Check title to add to marked list

Show 20 50 100 records per page

 
Please log in to use this service. Login as Wageningen University & Research user or guest user in upper right hand corner of this page.