基于无人机多光谱影像和关键点检测的雪茄烟株数提取

为从无人机遥感影像中准确识别烟草,实现植株定位与计数,以雪茄烟草植株为研究对象,提出一种新的深度学习模型。区别于传统的利用检测框识别目标,本文模型利用少量的关键点学习烟草中心形态学特征,并采用轻量级的编、解码器从无人机遥感影像快速识别烟草并定位计数。首先,提出的模型针对烟草植物形态学特点,通过中心关键点标注的方法,使用高斯函数生成概率密度图,引入更多监督信息。其次,对比不同主干网络在模型中的效果,ResNet18作为主干网络时平均精度大于99.5%,精度和置信度都高于测试的其他主干网络。而MobileNetV2在CPU环境下达到运行效率最优,但平均置信度相对较低。使用损失函数Focal Loss与MSE Loss结合的Union Loss时,平均精度大于99.5%。最后,利用不同波段组合作为训练数据,对比结果发现使用红边波段更有助于模型快速收敛且能够很好地区分烟草和杂草。由于红边波段与植株冠层结构相关,使用红边、红、绿波段时平均精度达到99.6%。本文提出的深度学习模型能够准确地检测无人机遥感影像中的烟草,可为烟草的农情监测提供数据支持。     

基于遥感技术的森林树种识别研究进展

基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。     

基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

PHANTOM 4 RTK+大疆像控处理技术在燕麦长势模拟中的应用

【目的】 利用小型消费级无人机航拍获取地物影像,通过地物阴影、高度差、色差快速提取地物,进而获取地物结构信息。【方法】 文章选取云南省曲靖市会泽县的大桥乡为研究区域,针对冬闲田闲置土地资源、种植结构相对单一的区域展开试验,利用高分辨率无人机遥感影像对燕麦进行识别,同时结合超声波传感器数据估算地物高度,并与实际高度和无人机生成的传统测高方法得到的高度进行相关性分析,获取高精度、可靠性强的数据。【结果】 基于可见光燕麦的总体分类精度为91.46%,Kappa系数为0.857,在增加DSM数据后的分类总体精度为98.91%,Kappa系数为0.982。研究表明由无人机获取的代表燕麦冠层高度信息的DSM数据能够显著提升燕麦的识别效果。相对于传统无人机测高方法生成数字表面模型提取地物高度的方法,依赖于光谱和高程信息识别地物信息的方法在计算地物高度时,精度更高,识别结果更可靠。【结论】 该文提出的小型消费级无人机利用地物阴影计算燕麦高度的方法,改进了相机镜头光心地位和RTK天线中心点地位补偿作用,打通了RTK模块、飞控模块及相机云台模块之间的通讯,能够应用于实际准确获取影像地位信息,为无人机遥感快速、准确地获取地物高度信息提供了一种新的思路。     

无人机技术在油气管道巡护中的应用

中国长输油气管道具有运行里程长、分布范围广、沿线环境复杂等特点,提高管道安全管理水平,尤其是有效的线路巡护,对于减少管道安全事故、降低管道安全风险、保障管道平稳安全运行具有重要意义。受油气管道沿线地理条件限制和自然环境影响,传统的人工巡护方式表现出一定的局限性,制约了巡护质量和效率。为了解决该问题,研究利用无人机技术对油气管道进行巡护的方法,并结合油气管道企业实际情况开展了可行性验证。结果表明:无人机巡护技术可以有效地弥补人工巡护方式的不足,同时降低巡护成本,提高巡护效率,能够促进油气管道企业现代化管理水平的提升,是未来管道巡护发展的重点方向。     

直播稻田无人机全程防治病虫草害初探

针对不同设备设计不同喷液量,飞行参数验证防治效果,从而验证无人机在稻田全程应用的可能性,旨在探索2种小型多旋翼植保无人机低空喷洒在整个水稻生长时期病虫草害防治过程中的防效。结果表明:当喷洒水田封闭式除草剂的喷洒量为10650、15000 mL/hm²,其对杂草的株防效与鲜重防效与人工电动喷雾相近。在病虫害的防治试验中,使用推荐用量且喷洒量为10650、15000 mL/hm²时,以及使用70%推荐用量（减量30%）且喷洒量为15000 mL/hm²时,防治效果均与人工电动喷雾器无显著差异。通过验证,选择合适的药剂,配合科学的喷洒参数,可在保证药效的前提下减少农药使用量。多旋翼植保无人机在水稻田有进行大面积全程飞防植保应用有广阔的前景。     

基于机器学习的棉花叶面积指数监测

为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数(Leaf Area Index,LAI)监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导(First Derivative,FDR)、二阶导(Second Derivative,SDR)、S...     

Diagnostic Feed Values of Natural Grasslands Based on Multispectral Images Acquired by Small Unmanned Aerial Vehicle

Grasslands are the largest renewable source of terrestrial chlorophytes. Furthermore, grasslands can be both fiber sources and the primary metabolizable energy source for ruminants. Therefore, rapid, accurate, and large-scale monitoring of grassland ecosystems is important to provide spatial information on forage quality control and rangeland management. In this experiment, 100 grassland sites were randomly selected in two study areas. A multiaxis unmanned aerial vehicle (UAV) made 26 flights over those areas to capture spectral images during August 2016, which enabled the acquisition of vegetation index values of the grassland sites. Next, grassland plots were harvested and the nutritional composition of the grass was determined. After selecting the most sensitive spectral information for each nutritional value, retrieval models for grassland nutrition were constructed. Predictor variables of the models were then tested on the samples. The results demonstrate that there are correlations between nutritional values and vegetation indices. The predicted values of the coefficient of determination (R²-P) and root mean square error (RMSE) for dry matter (DM) were 0.676% and 4.719%. The same values for crude protein (CP) were 0.653% and 1.361%. The R²-P and RMSE values for in vitro DM digestibility (IVDMD) prediction models were weak, but they could be improved by more sensitive wavelengths and improved mathematical models to fit the data. The results show that UAV remote sensing can be used to estimate the feed values of natural grassland and that this sensing approach provides a rapid, flexible, and efficient method of estimating feed values. Although the prediction models for nutritional values need to be improved, they still opened perspectives for the use of UAV-based remote sensing in rangeland management and grassland husbandry.     

融合无人机多光谱和纹理特征的马铃薯LAI估算

目的 研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。方法 利用大疆P4M无人机采集2021年2－4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R²_adj的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。结果 从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VI-MLR(Vegetation index multiple linear regression)模型,R²分别为0.73、0.59和0.66。结论 本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。     

柑橘园植保无人飞机低容量喷雾技术探索——以柑橘木虱和潜叶蛾防控为例

【目的】探索植保无人飞机(unmanned aerial vehicle,UAV)喷雾在柑橘冠层的雾滴沉积分布规律和无人机植保作业参数,并开展柑橘木虱(Diaphorina citri)和潜叶蛾(Phyllocnistis citrella)无人飞机防控实效研究,评估防治效果、作业效率和综合效益,为UAV低空低容量喷雾技术的建立和在柑橘产区的应用提供依据。【方法】在丰产期的鸡尾葡萄柚园,将4行约100株自然圆头形树冠修剪成开心形,另选4行自然圆头形树冠作为对照。在采样植株冠层内部搭设立体网格架,网格架垂直方向分上、中、下3层,每层设置3×5共计15个采样点,每株树共计45个观察点,每个点放置两张4 cm×6 cm铜版纸卡作为雾滴承接载体。以0.5%诱惑红水溶液作为示踪剂,六旋翼UAV分别在不同飞行作业速度(v₁=0.7 m·s^-1、v₂=1.2 m·s^-1、v₃=1.7 m·s^-1)和不同作业高度(h₁=1.0 m、h₂