基于无人机DSM的小麦倒伏识别方法

【目的】小麦倒伏是造成产量和质量下降并且影响农业机械自动化收割的重要原因。基于无人机遥感平台获得的数据能够为小麦倒伏提供及时准确的监测结果,为智慧农业智能化育种、栽培和管理提供科学依据。【方法】基于无人机搭载的消费级相机,获取可见光影像结合生成的DSM数据,采用随机森林的分类方法进行小麦倒伏识别。【结果】基于可见光和DSM数据获得的小麦倒伏分类总体精度为98.41%,Kappa系数为0.97,相较于仅依靠可见光谱信息的分类结果具有显著提升,识别结果也更加可靠,能够显著改善小麦倒伏识别效果。【结论】证明了基于无人机搭载消费级相机获取的DSM数据在农作物倒伏识别中的可行性,提供了一种自动识别小麦倒伏的新思路和新方法。     

基于无人机遥感影像的冬小麦倒伏面积信息提取

倒伏是农业生产中造成减产、作物品质降低的主要原因,基于无人机飞控平台农情监测系统的灾情严重度实时监测以及时采取防治措施提供科学依据。以人工目视解译统计得到的倒伏面积作为判别依据,通过对比最小距离法、最大似然法、神经网络、支持向量机四种监督分类方法对单张无人机影像的分类效果,择优用于无人机拼接数码影像,估算江苏里下河地区小麦倒伏面积。结果表明:最小距离法、最大似然法、神经网络、支持向量机四种方法的分类精度分别为63.57%、98.15%、81.13%、85.04%,最大似然分类法得到的精度最高,其运算速度也最快,与无人机遥感平台农情监测系统快速、便捷的需求相符。将最大似然法应用于整张拼接影像,监测得到倒伏像元个数为7 183 950,估算面积为353.810 8m2,与人工目视解译结果的误差为7.43%,突出了无人机在信息获取方面方便、快捷的特点,表明搭载数码相机的无人机遥感平台对农情监测有一定可行性,可以为精准农业深入开展提供新的契机。     

基于无人机遥感可见光参数的水稻氮素营养诊断

氮素是决定水稻产量的重要因素之一,传统水稻氮素的诊断耗时费力且对作物的损害较大,确定无人机遥感水稻氮素营养诊断的最佳可见光参数,对水稻氮素的快速诊断具有良好的实用价值.该研究在安徽省怀远县试验基地,设置5个施氮水平,先后2次进行无人机采样,计算出10个可见光参数,并分析可见光参数与水稻含氮量之间的关系,结合相关系数与变异系数的大小筛选出诊断水稻氮素的最佳可见光参数.结果表明,参数B、G/(R+G+B)、G/B、RGBV1与作物含氮量的相关性较强,其中参数G/(R+G+B)可作为无人机为遥感水稻氮素诊断的最佳可见光参数.通过回归分析得到y(含氮量)与x(绿光化标准值)之间的回归方程y=0.0017x2-0.0074x+0.7201,R2=0.9825.     

基于无人机DSM的小麦倒伏信息提取

[目的]通过计算小麦的绝对高度来监测小麦倒伏状况,基于无人机影像获取小麦倒伏面积及其分布,为快速进行农业灾害评估提供科学依据。[方法]对奇台县境内不同地形部位的小麦地块进行调查和研究,结合小麦高度的实测值构建倒伏模型,以无人机平台获取的DSM影像为数据源,通过DSM差减法得到小麦实际高度,选取3个典型倒伏地块,用构建的倒伏模型对研究区进行分类,用像元统计的方法提取倒伏面积并采用混淆矩阵的方法对模型的分类精度进行验证。[结果]倒伏主要发生在沙漠边缘、中部平原以及丘陵区的灌溉耕地,南部山区的旱耕地未发生倒伏;模型解译的总体分类精度均在83.33%以上,Kappa系数在0.75以上,表明用文中建立的倒伏模型对奇台县灌浆期小麦进行倒伏监测是可行的。[结论]利用无人机获取的DSM数据可以有效监测小麦倒伏信息。     

水稻倒伏的预防及补救

水稻倒伏后不仅结实率下降,千粒重降低,而且收割困难,病虫害过重,品质变差,损失过大,一般会减产20%左右。倒伏分根倒伏和茎倒伏两种,一般根倒伏发生在蜡熟期后,由于搁田没搁好,田间长期保水,土壤糊烂,根系发育差,扎根浅,     

水稻农学理化参量无人机遥感反演研究现状与展望

近几年,无人机遥感技术在水稻理化参量反演上得到了广泛应用,并逐渐发展成为水稻田块尺度遥感信息获取的主要途径之一。深入分析基于无人机遥感的水稻农学理化参量（指在农业领域中可确定某种物理、化学性质的参量）反演研究现状及存在问题,有利于更好地把握水稻无人机遥感未来发展趋势。综述无人机遥感技术在反演生化组分含量、结构参量、生产力等方面的研究现状,其中生化组分含量的反演研究主要集中在氮素和叶绿素方向且目前仍然以数据驱动的方法为主,例如用于反演氮素的窄波段植被指数NDRE,通过对极限学习机与偏最小二乘回归耦合对水稻叶绿素含量的反演等,而基于物理模型的反演方法较少;结构参量的反演研究主要包括叶面积指数、生物量等,方法有用于反演叶面积指数的辐射传输机理模型PROSAIL,用于反演生物量的基于冠层光谱特征的优化高斯过程回归方法;生产力的遥感重点在水稻的产量估算、病害和倒伏检测,方法有用于水稻估算的利用RGB影像使用K-Means与核相关滤波算法融合。对无人机遥感平台、设备、方法进行了总结,梳理近10年水稻农学理化参量无人机遥感反演的研究进展和成果。最后综合国内外的研究现状进行水稻无人机定量遥感讨论分析与...     

水稻倒伏的防治技术

文章分析了造成水稻倒伏的原因,并提出了防治措施,以达到提高水稻单产,促进农业增效、农民增收的目的。以期为水稻生产实际提供技术支持。     

烯效唑防止水稻倒伏的试验

每公顷用５ ％ 烯效唑１ １２５ 、１ ５００ 、２ ２５０ｇ 分别对水７５０ｋｇ ，于水稻抽穗前４０ 天喷施，可使稻株矮壮，主要表现在基部１ ～４节间缩短，抗倒能力增强，结实率和千粒重提高，增产效应明显。     

基于迁移学习的多模型水稻病害识别方法研究

水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害.使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型.试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97％,尤其是Xception模型不仅可以达到98.50％的最高识别准确率而且是最稳定的.该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性.     

基于HRNet-OCR模型的农村宅基地提取方法

【目的】 农村宅基地信息统计是制定农村宅基地制度改革政策方向的基础,目前,基于遥感影像的农村宅基地提取还主要停留在人工目视解译的阶段,这种传统的提取方法效率低、成本高、耗时长,基于遥感影像自动化提取农村宅基地的相关研究较少。【方法】 文章收集了德清县无人机遥感影像数据,建立了训练集、验证集和测试集,构建HRNet-OCR模型,并与FCN、UNet、DeepLabV3Plus这3种模型在不同场景下进行对比。【结果】 模型精度评价指标IoU表明,在平原和丘陵地区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了4.24%、3.72%和2.82%,在山区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了3.59%、2.77%和1.55%,且模型在边缘细节上表现得更优秀。【结论】 基于HRNet-OCR识别模型使得遥感影像农村宅基地提取更为准确,具有更好的鲁棒性,可为精准提取农村宅基地提供重要参考价值。未来更快速、高效的高精度提取方法还有待进一步研究。     

Detection of maize tassels for UAV remote sensing image with an improved YOLOX Model

Maize tassel detection is essential for future agronomic management in maize planting and breeding, with application in yield estimation, growth monitoring, intelligent picking, and disease detection. However, detecting maize tassels in the field poses prominent challenges as they are often obscured by widespread occlusions and differ in size and morphological color at different growth stages. This study proposes the SEYOLOX-tiny Model that more accurately and robustly detects maize tassels in the field. Firstly, the data acquisition method ensures the balance between the image quality and image acquisition efficiency and obtains maize tassel images from different periods to enrich the dataset by unmanned aerial vehicle (UAV). Moreover, the robust detection network extends YOLOX by embedding an attention mechanism to realize the extraction of critical features and suppressing the noise caused by adverse factors (e.g., occlusions and overlaps), which could be more suitable and robust for operation in complex natural environments. Experimental results verify the research hypothesis and show a mean average precision (mAP@0.5) of 95.0%. The mAP@0.5, mAP@0.5–0.95, mAP@0.5–0.95 (area=small), and mAP@0.5–0.95 (area=medium) average values increased by 1.5, 1.8, 5.3, and 1.7%, respectively, compared to the original model. The proposed method can effectively meet the precision and robustness requirements of the vision system in maize tassel detection.     

基于改进DenseNet模型的高分遥感影像城市裸地提取

利用遥感影像提取裸地是监测裸地空间分布的一个重要手段。针对目前普遍存在的边界不清晰、空间信息丢失、小面积裸地漏提和与高反射率建筑不易区分等问题,设计了一种改进DenseNet的遥感裸地提取深度学习模型,主要采取密集连接块、坐标卷积和密集空洞空间金字塔3种方法,增强DenseNet模型在获取坐标信息、丰富裸地空间特征信息、对全局上下文信息感知等方面的能力,减少模型对于空间细节特征丢失环节,提高裸地遥感提取的精度。实验表明,该方法提取裸地的总精度为97.66％、交并比为68.69％、综合评价指标F1为81.44％、召回率为76.62%以及虚警率为25.68%,明显优于其他机器学习方法和深度学习方法。此外,该模型对于多源遥感影像上的裸地提取也具有良好的普适性,在高分一号、高分六号和哨兵二号等遥感数据集上测试的总精度分别为95.80％、93.00％和92.55％;交并比分别为75.18％、75.13％和50.47％;综合评价指标分别为85.83％、85.80％和67.08％。因此,改进的DenseNet模型方法较其他方法更适用于裸地的提取。     

基于无人机低空遥感的水稻田间杂草分布图研究

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0.500 4、2.209 2和0.411 1 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。     

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像,快速提取果树分布位置,为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象,计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数,使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上,结合数字表面模型作为识别模型的输入变量,进行对比试验。结果 相比使用单一光谱指数,结合数字表面模型提高了果树和非果树像元的提取精度,6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高,为98.77%,Kappa系数为0.956 7,植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量,为影像中色调相似地物的提取提供参考。     

基于无人机遥感的果园冠层氮素估算及空间分析

为快速准确地获取植株冠层氮素含量及空间分布特征,对大尺度的果园进行精准动态的管理,以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象,通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数,运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型,并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中,融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量;植被指数训练集R²为0.710,测试集R²为0.430;纹理指数训练集R²为0.761,测试集R²为0.349;融合植被指数和纹理指数训练集R²为0.775,测试集R²为0.533。融合植被指数和纹理指数在SVM算法训练集R²为0.511,测试集R²为0.371;BP神经网络训练集R²为0.651,测试集R²为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演,得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高,其次为宽行窄株篱壁模式,传统栽培模式最低,氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量,可为大尺度柑橘果园定量施肥提供参考。     

基于无人机多光谱遥感的冬小麦叶面积指数反演

以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。     

行穴距配置对不同穗型粳稻抗倒伏性的影响

以辽宁稻区3种穗型常规稻品种及杂交稻为试材,设置3种行距、2种穴距,研究行穴距配置影响下蜡熟期水稻茎秆物理性状、力学性状及穗型因子与抗倒伏性的关系。结果表明:行、穴距同时影响水稻茎秆物理性状和穗型性状,进而使不同穗型水稻品种表现出抗倒伏能力的强弱;20 cm穴距下弯穗杂交稻辽优52210株高显著升高且抗折力显著下降,是其倒伏指数较高的主要因素;沈稻47和沈稻6号在25 cm×20 cm配置下,植株株高、基部N2节间至顶长度和鲜质量、穗颈角、穗长、单穗鲜质量、穗重心明显下降,倒伏指数降低;在35 cm×15cm配置下,3个水稻品种植株横截面积和抗折力显著高于其他配置,倒伏指数较低。从穗型角度分析,沈稻47和沈稻6号植株抗倒性对行穴距配置变化的适应能力强于辽优52210。各品种在25 cm×15 cm、30 cm×20 cm、35 cm×20 cm配置下穗颈角显著增大,且后2种行穴配置下单穗鲜质量和穗长增加,穗重心升高,均会使倒伏指数显著增加。综合来看,在高密度和低密度行穴距配置下,抗折力和节间弯矩分别成为倒伏指数增加的诱导因子,水稻分别受到倒伏和单位面积穗数的限制而无法获得高产稳产。因此,提高水稻的抗倒伏能力应以增加茎秆基部的抗折力为主攻目标;品种选择时,应选择节间弯矩适宜的品种,可以在保证较大生物量的同时提升抗倒性。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点,探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像,经过光谱预处理和特征工程后,采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合,基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法,建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve,AUC)分别为0.883 0和0.912 0,分类准确率均超过95%;提取出698和762 nm的特征波长组合,基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率,证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

基于力学模型的小麦腊熟期倒伏的风速研究

随着小麦产量的提高袁其倒伏的可能性也增大。因此,解决小麦的倒伏问题对提高小麦产量具有重要意义。将腊熟期小麦茎秆简化为刚/弹性材料,研究了腊熟期小麦茎秆在风载作用下应力变化的基本规律袁运用振动理论建立了小麦单茎穗重在风载作用下的抗倒伏力学模型遥最后,利用2013年的试验数据,基于该模型计算出了周麦18茎秆和矮抗58茎秆的抗倒伏风速,计算结果与已有文献数据较吻合,表明该模型可为研究小麦的抗倒伏提供一定的理论依据。