基于深度学习的无人机遥感生态灌区杂草分类

为了更好地推进生态灌区建设,对灌区内杂草进行检测、控制,提出一种基于卷积神经网络的杂草分类和密度测算方法.通过无人机低空拍摄采集3种杂草(藜草、葎草、苍耳)和3种作物(小麦、花生、玉米)作为数据集,经过裁剪、灰度化等前期处理,并通过旋转方式扩充数据集,最后收集17 115张训练样本和750张测试样本,然后将训练集输送给卷积神经网络,采用softmax回归,实现6类植物的分类.为降低网络参数,文中试验了100×100和300×300不同分辨率图像对识别精度的影响,分类结果表明300×300分辨率时识别率最高可达到95.6%.另外为实现针对特定杂草的防控,提出了一种检测单一杂草密度的方法,可实现对灌区内各种杂草的精确监控,为后期杂草防控的精准施药提供依据,对实现高效、绿色、安全的现代农业具有重要理论意义和实用价值.     

我国农用无人机产业链分析

针对我国现阶段农用无人机产业混乱问题,按照产业链研发、生产、市场、服务等上下游拓展关系,对国内农用无人机产业链上各环节的现状进行研究。结果表明:1)我国农用无人机的研发存在与实际生产脱离的现象,无人机核心科学技术不能满足生产需求;2)现阶段国内虽有大量企业从事农用无人机生产,但无人机生产质量得不到保证,与国外相比存在很大差距;3)农用无人机市场规模巨大,与传统农用机械相比具有较多的优势和机会;4)农用无人机售后服务需要改进的地方较多,存在企业服务理念不明确现象。应警惕国内农用无人机产业混乱问题,建议在研发、生产、市场、服务各节点进行调整,并增强各环节间联系,以促进农用无人机在我国农业植保中的普及,进一步覆盖农业作物全程机械化生产、自动化生产的缺失。     

基于无人机遥感数据的生态渠系信息提取

针对河套灌区引水灌溉中存在粗放型灌溉,且当地为提高产量,仅注重扩大种植面积的问题,提出了一种渠系信息精准提取的方法.基于无人机遥感图像,运用ENVI 5.1软件,对遥感图像进行预处理,对图像RGB3个通道分别进行拉伸显示,经组合以增强其对比度;运用面向对象法进行图像分割,用基于规则的分类方法,基于不同规则进行单独及组合分析,确定了“光谱平均值小于98、最小包围矩形长宽比处于其最小值与0.85之间、延长线大于1 m”的最优组合规则,提取了内蒙古河套灌区某部分生态渠系信息,对于生态渠道的识别精度达到毛沟级,并对提取结果进行了评价,其中组合辅助解译正确率达96.4%,为精准灌溉运行管理提供了较准确的渠系信息.