基于无人机低空遥感的水稻田间杂草分布图研究

• 作者: 严智威 张亚莉 朱圣 杨畅 谢尧庆 邓继忠
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 无人机遥感 稻田杂草 机器学习算法 卷积神经网络 精准施药
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 67-74
• 页数: 8页
• 分类号: S252+.3
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.202006058

摘要

[目的]获取水稻田的低空遥感图像并分析得到杂草分布图,为田间杂草精准施药提供参考.[方法]使用支持向量机(SVM)、K最近邻算法(KNN)和AdaBoost 3种机器学习算法,对经过颜色特征提取和主成分分析(PCA)降维后的无人机拍摄的水稻田杂草可见光图像进行分类比较;引入一种无需提取特征和降维、可自动获取图像特征的卷积神经网络(CNN),对水稻田杂草图像进行分类以提升分类精度.[结果]SVM、KNN和AdaBoost对测试集的测试运行时间分别为0.5004、2.2092和0.4111 s,分类精度分别达到89.75％、85.58％和90.25％,CNN对图像的分类精度达到92.41％,高于上述3种机器学习算法的分类精度.机器学习算法及CNN均能有效识别水稻和杂草,获取杂草的分布信息,生成水稻田间的杂草分布图.[结论]CNN对水稻田杂草的分类精度最高,生成的水稻田杂草分布图效果最好.