<address id="hhzlz"><big id="hhzlz"></big></address>

        <meter id="hhzlz"></meter>
        <th id="hhzlz"><sub id="hhzlz"><font id="hhzlz"></font></sub></th>

            長光禹辰產品助力蘭玉彬教授團隊研究論文

               2022-03-28 長光禹辰茄子60
            核心提示:山東理工大學農業工程與食品科學學院蘭玉彬團隊在《農業工程學報》發表了題為“基于無人機多光譜遙感的臺風災后玉米倒伏信息提取

            山東理工大學農業工程與食品科學學院蘭玉彬團隊在《農業工程學報》發表了題為“基于無人機多光譜遙感的臺風災后玉米倒伏信息提取”的研究論文,此研究采用搭載長光禹辰公司自主研發的MS600Pro多光譜相機的四旋翼無人機,獲取了臺風災后玉米倒伏田塊的多光譜圖像,利用特征篩選和機器學習對玉米倒伏信息進行了提取。

            圖1論文首頁截圖

            近年來,臺風天氣偏多,暴風雨不時發生,對玉米產量影響極大,輕則會對玉米造成15%~20%的減產,嚴重時可能造成一半以上的減產,隨著無人機技術的發展,具有高分辨率、實時性能優越的無人機遙感能夠及時、準確提取玉米倒伏信息,能夠為災后農業生產、政府決策及保險理賠提供數據和技術支持。

            圖2研究區目標區域和驗證區域劃分示意

            通過利用四旋翼無人機搭載MS600Pro多光譜相機采集臺風災后的玉米地塊尺度多光譜影像,提取影像的多光譜植被指數、反射率和紋理等特征。將提取的所有特征作為全特征集,利用ReliefF、支持向量機遞歸(SupportVectorMachines-RecursiveFeatureElimination,SVM-RFE)和套索算法(LeastAbsoluteShrinkageandSelectionOperator,Lasso)三種特征篩選方法創建數據子集,采用5種監督分類模型對4種特征集進行分類提取研究區內玉米倒伏信息。通過特征篩選方法可大幅減少參與分類的特征數量,且可取得較高分類精度。采用KNN和ANN模型能有效識別土壤背景、正常玉米和倒伏玉米,K最鄰近模型結合SVM-RFE特征篩選方法分類精度最高,達93.49%,Kappa系數為0.9,并得到采用KNN模型結合SVM-RFE特征篩選方法分類結果最好。

            表1驗證區域不同特征子集的混淆矩陣、總體分類精度及Kappa系數

            圖3驗證區域支持向量機、K最近鄰、人工神經網絡分類結果及真值

            研究表明,采用無人機多光譜影像數據,利用特征篩選和機器學習能夠及時、準確提取災后玉米倒伏信息,為臺風災后農作物倒伏信息提供了一種有效的技術手段。

            附:

            [1]論文信息:趙靜,閆春雨,楊東建,溫昱婷,黎文華,魯力群,蘭玉彬.基于無人機多光譜遙感的臺風災后玉米倒伏信息提取[J].農業工程學報,2021,37(24):56-64.

            [2]論文下載(PDF格式):

            http://www.tcsae.org/nygcxb/article/pdf/20212407?st=article_issue


             
            反對 0舉報 0 收藏 0 打賞 0評論 0
             
            更多>同類行業資訊
            推薦圖文
            推薦行業資訊
            點擊排行