基于CNN和SVM的无人机多光谱遥感草地植物识别

作者：马建; 刘文昊; 靳瑰丽^*; 宫珂; 刘智彪; 李莹; 李嘉欣; 王生菊; 雷雅欣

来源：草地学报, 2022, 30(11): 3165-3174.

• 无人机多光谱数据
• 伊犁绢蒿
• 角果藜
• 卷积神经网络
• 支持向量机

为选择最佳的物候期、飞行高度和识别模型提高植物识别的精度，本研究以伊犁绢蒿(Seriphidium transiliense)荒漠草地主要植物伊犁绢蒿、角果藜(Ceratocarpus arenarius)以及裸地为识别对象，选择4月、6月、9月3个飞行时期，15 m, 30 m, 60 m 3个飞行高度，通过无人机搭载多光谱相机采集草地群落多光谱数据，在分析光谱反射率差异的基础上，利用最佳指数因子(Optimum index factor, OIF)筛选特征波段，通过卷积神经网络(Convolutional neural network, CNN)和支持向量机(Support vector machines, SVM)建立识别模型。结果表明：地物反射率4月>6月>9月，15 m>30 m>60 m;不同飞行高度下OIF值一致，但在月份间具有差异，4月敏感波段为Green, Red和NIR,6月和9月敏感波段为Red, Red edge, NIR;在识别精度上SVM>CNN,4月>9月>6月，15 m>30 m>60 m,裸地>伊犁绢蒿>角果藜。综合来看，采用SVM在4月、15 m飞行高度下进行识别的总体精度最高，达到86.23%。

• 单位
  新疆农业大学