农作物实景监测中的图像数据质量控制方法研究

• 作者: 余正泓 李翠娜 白晓东 石广玉
• 来源期刊: 气象
• 学科: 地球科学
• 关键词: 机器学习 农作物实景监测图像 质量控制 暗通道
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 论文
• 页码范围: 119-128
• 页数: 10页
• 分类号: P414
• 字数: 5923字
• 语种: 中文
• DOI: 10.7519/j.issn.1000-0526.2020.01.012

摘要

农作物实景自动监测系统具有自动、非接触、非破坏性等优点,是传统农业气象观测的补充.开展图像质量控制是合理使用农作物实景自动监测系统资料的基础.利用郑州、泰安和固城三地的历史农作物实景图像资料,设计了基于颜色特征参数检测和基于暗通道先验直方图检测的图像数据质量控制方法.通过对2010—2012 年三年夏玉米和冬小麦等不同天气条件下得到的农作物实景自动观测资料进行质量控制与应用效果检验.结果表明:两种质量控制方法均可判断出农作物实景自动监测系统中图像观测资料的异常数据;基于颜色特征参数检测方法可有效识别出像素缺失图像,准确率达 100%;基于暗通道先验直方图检测方法能有效识别出污染图像,平均准确率为95.7%,平均召回率为87.5%.该质量控制方法可减小模型估算值与观测数据之间的误差,目前已应用于省级农业自动观测业务系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石广玉	中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室	67	2362	29.0	48.0
2	李翠娜	中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室	18	156	7.0	12.0
10	余正泓		9	25	3.0	5.0
19	白晓东		6	5	2.0	2.0