您好,欢迎访问中国农业科学院 机构知识库!

基于无人机高光谱的稻田杂草识别和空间分布研究

文献类型: 中文期刊

作者: 颜子一 1 ; 沈奕扬 1 ; 唐伟 2 ; 张艳超 1 ; 周豪哲 1 ;

作者机构: 1.浙江理工大学信息科学与工程学院

2.中国水稻研究所水稻生物学国家重点实验室

关键词: 稻田杂草识别;无人机;高光谱;空间分布;精准除草

期刊名称: 激光生物学报

ISSN: 1007-7146

年卷期: 2024 年 33 卷 004 期

页码: 335-346

收录情况: CSCD

摘要: 稗草是稻田中一种典型的杂草,会严重影响水稻的生长发育,并最终导致减产。由于其外观与水稻极其相似,难以区分,给治理带来了极大的挑战。基于室内环境下的稗草识别条件理想,难以推广,因此,在复杂稻田环境下对稗草进行识别和制图具有重要的研究价值和意义。首先,利用无人机载高光谱获取低空稻田影像,经拼接校正和SG(Savitzky-Golay)卷积平滑滤波后,采用连续投影算法(SPA)对区分水稻和稗草的敏感波段进行提取,基于全波段和特征波段,使用支持向量机(SVM)、随机森林(RF)、一维卷积神经网络(1DCNN)和三维卷积神经网络(3DCNN)进行建模。结果表明,SPA-3DCNN对水稻(0.9420)和稗草(0.8936)的识别效果最好。SPA选择的7个特征波段(482.5234、546.5415、675.080 6、709.1382、762.0431、922.015 7和944.6371 nm)对区分稗草和水稻具有重要的参考价值。随后,将模型应用于整个高光谱数据集,生成稗草的空间分布图与密度图。本文成功探索了无人机载高光谱在复杂稻田环境下稗草识别的可行性,并绘制了稗草空间分布图与密度图,为稗草的治理防范提供了有力的数据支撑。

  • 相关文献

[1]基于随机森林算法的冬小麦叶面积指数遥感反演研究. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍. 2018

[2]无人机载框幅式高光谱影像的波段配准研究. 王晶晶,史云,刘含海. 2017

[3]无人机遥感的农作物精细分类研究进展. 田甜,王迪,曾妍,张影,黄青. 2020

[4]病害胁迫下玉米LAI遥感反演研究. 刘帅兵,金秀良,冯海宽,聂臣巍,白怡,程明瀚. 2023

[5]基于无人机高光谱不同降维算法的烤烟叶片氮含量估算. 蒯雁,陈天才,代先强,王德勋,宗鹏,孙军伟,杨成伟,张明政,张久权. 2025

[6]无人机低空喷雾雾滴在作物冠层的沉积分布规律及防治效果研究. 杨帅. 2014

[7]小型无人机喷洒雾滴沉积分布和小麦白粉病防效的试验研究. Qin Weicai,秦维彩,Xue Xinyu,薛新宇. 2016

[8]克胜·蜻蜓-16无人机小麦田喷洒雾滴沉积分布及赤霉病防效研究. 吴重言,吴成伟,吴静,王国宾,王明. 2017

[9]夏玉米涝灾无人机LIDAR监测研究. 甘平,董燕生,孙林,廖永丰,郭清,吕雪锋,何飞. 2016

[10]飞行高度对八旋翼无人机喷雾防治小麦白粉病影响初探. 杨帅,李学辉,王国宾,杨代斌,闫晓静,袁会珠. 2013

[11]黑土土壤水分高光谱特征及反演模型. 姚艳敏,魏娜,唐鹏钦,李志斌,余强毅,许新国,陈佑启,何英彬. 2011

[12]基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型. 方金,梁天刚,吕志邦,冯琦胜,何咏琪. 2013

[13]烤烟发病叶片高光谱特征分析. 窦玉青,李新举,王梅,徐冬云,刘明芹. 2015

[14]病害胁迫下棉花叶片色素含量高光谱遥感估测研究. 陈兵,李少昆,王克如,王方永,肖春华,潘文超. 2010

[15]基于小波变换与偏最小二乘耦合模型估测北方潮土有机质含量. 王延仓,杨贵军,朱金山,顾晓鹤,徐鹏,廖钦洪. 2014

[16]基于高光谱的土壤有机质含量反演研究. 于士凯,姚艳敏,王德营,司海青. 2013

[17]含水率对土壤有机质含量高光谱估算的影响. 司海青,姚艳敏,王德营,刘影. 2015

[18]基于遥感技术的烟草花叶病监测研究. 徐冬云,李新举,杨永花,窦玉青. 2016

[19]利用反射光谱及模拟多光谱数据定量反演北方潮土有机质含量. 王延仓,顾晓鹤,朱金山,龙慧灵,徐鹏,廖钦洪. 2014

[20]基于高光谱数据的高寒草地土壤有机碳预测模型研究. 崔霞,宋清洁,张瑶瑶,胥刚,孟宝平,高金龙. 2017

作者其他论文 更多>>