基于窄带光谱图像分析的小麦冠层植被指数测量方法研究 |
| |
引用本文: | 余洪锋,徐焕良,丁永前,杨紫楠,窦祥林,李庆,关心桐.基于窄带光谱图像分析的小麦冠层植被指数测量方法研究[J].南京农业大学学报,2023(1):189-199. |
| |
作者姓名: | 余洪锋 徐焕良 丁永前 杨紫楠 窦祥林 李庆 关心桐 |
| |
作者单位: | 1. 南京农业大学工学院;2. 南京农业大学人工智能学院;3. 南京农业大学现代作物生产省部共建协同创新中心 |
| |
基金项目: | 国家重点研发计划项目(2016YFD070030403); |
| |
摘 要: | 目的]针对小麦生长早期植被指数易受土壤背景干扰的问题,提出了一种基于窄带光谱图像分析的小麦植被指数测量方法。方法]构建了多镜头结构的窄带光谱图像获取装置,实时获取656和770 nm的田间小麦窄带光谱图像。运用简单线性聚类(simple linear iterative clustering, SLIC)和VGG16(visual geometry group network 16)全卷积神经网络对小麦近红外窄带光谱图像进行超像素聚类和分类,把交并比(Qseg)、综合评价指标(F值)、精度(Precision)作为分割精度评价指标,分析传统阈值分割方法和本研究方法去土壤背景干扰的性能差异。去除土壤背景后的窄带光谱图像采用太阳光免白板标定方法计算植被指数,并与GreenSeeker RT200的实测数据进行对比分析,定性定量评价本研究方法去除土壤背景干扰的性能。结果]试验共采集12个小麦品种、2个施氮水平、24块种植小区图像,Qseg、Precision和F值的平均值分别为90.41%、80.82%和72.73%,分割性能均优于传统的阈值...
|
关 键 词: | 小麦 窄带光谱图像 冠层分割 VGG16神经网络 超像素 植被指数 |
|