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

第一作者： 颜子一

作者： 颜子一;沈奕扬;唐伟;张艳超;周豪哲

作者机构：

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。

分类号： S511%S451%S127

  • 相关文献

[1]一款无人机高光谱传感器的验证及其在玉米叶面积指数反演中的应用. 陈鹏飞,李刚,石雅娇,徐志涛,杨粉团,曹庆军. 2018

[2]基于无人机的高光谱遥感图像采集和处理技术研究. 陈智虎,童倩倩,赵泽英,岳延滨. 2019

[3]基于无人机数码影像和高光谱数据的冬小麦产量估算对比. 陶惠林,冯海宽,杨贵军,杨小冬,苗梦珂,吴智超,翟丽婷. 2019

[4]基于无人机高光谱遥感数据的冬小麦生物量估算. 陶惠林,冯海宽,徐良骥,杨贵军,杨小冬,苗梦珂,刘明星. 2020

[5]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

[6]融合多因子的无人机高光谱遥感冬小麦产量估算. 谢瑞,杨福芹,冯海宽,李天驰. 2023

[7]基于无人机高光谱遥感的太行山经济林树种识别研究. 孙一丹,杨晓楠,张海涛,张爱军,庞立欣,郭艳超,郭雪涛,梁欣. 2024

[8]利用无人机高光谱影像的冬小麦氮含量监测. 冯海宽,樊意广,陶惠林,杨福芹,杨贵军,赵春江. 2023

[9]基于无人机成像高光谱估算马铃薯植株氮含量. 樊意广,冯海宽,刘杨,龙慧灵,杨贵军,钱建国. 2023

[10]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

[11]基于无人机高光谱影像的冬小麦叶片氮浓度遥感估测. 孙法福,赖宁,耿庆龙,李永福,吕彩霞,信会男,李娜,陈署晃. 2024

[12]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

[13]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

[14]基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型. 李敏,覃泽林,兰宗宝,方辉,余圣新,莫小香,谢国雪,曾志康. 2023

[15]基于高光谱的水稻土有机质含量估算研究. 卢岩,郭斗斗,孙成明,刘涛,陈瑛瑛,武威. 2014

[16]高光谱遥感技术的发展及其在农业上的应用. 王为. 2009

[17]不同利用方式下土壤有机质和全磷的可见近红外高光谱反演. 薛利红,周鼎浩,李颖,杨林章. 2014

[18]冬小麦冻害胁迫高光谱分析与冻害严重度反演. 王慧芳,王纪华,董莹莹,顾晓鹤,霍治国. 2014

[19]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

[20]不同条件下夏玉米冠层反射光谱响应特性的研究. 谭昌伟,郭文善,朱新开,李春燕,王纪华. 2008

作者其他论文 更多>>

微信小程序