| 基于无人机可见光图像的作物分类研究 |
| |
| 引用本文： | 李志铭,赵 静,兰玉彬,等. 基于无人机可见光图像的作物分类研究[J]. 西北农林科技大学学报(自然科学版), 2020, 48(6): 137-144 |
| |
| 作者姓名： | 李志铭 赵 静 兰玉彬 等 |
| |
| 作者单位： | 山东理工大学 农业工程与食品科学学院,国家精准农业航空施药技术国际联合研究中心 山东理工大学分中心,山东理工大学 农业工程与食品科学学院,国家精准农业航空施药技术国际联合研究中心 山东理工大学分中心,山东理工大学 农业工程与食品科学学院,国家精准农业航空施药技术国际联合研究中心 山东理工大学分中心 |
| |
| 基金项目： | 中央引导地方科技发展专项“精准农业航空技术与装备研发” |
| |
| 摘 要： | 【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。
|
| 关 键 词： | 作物分类识别；无人机遥感；可见光图像；特征选择；监督分类 |
| 收稿时间： | 2019-06-03 |
Crop classification based on UAV visible image |
| |
| LI Zhiming,ZHAO Jing and LAN Yubin,et al. Crop classification based on UAV visible image[J]. Journal of Northwest A&F University（Natural Science Edition）, 2020, 48(6): 137-144 |
| |
| Authors: | LI Zhiming ZHAO Jing LAN Yubin et al |
| |
| Abstract: | |
| |
| Keywords: | crop classification and recognition UAV remote sensing visible image feature selection method supervised classification |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《西北农林科技大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《西北农林科技大学学报(自然科学版)》下载全文 |
|
