无人机遥感及深度学习在油菜冻害识别中的应用研究

作者：安谈洲; 李俐俐; 张瑞杰; 李礼; 刘清云; 乔江伟^*; 王新发; 姚剑

来源：中国油料作物学报, 2021, 43(03): 479-486.

DOI：10.19802/j.issn.1007-9084.2021066

• 无人机遥感
• 深度学习
• 油菜
• 冻害

气象灾害是影响我国农作物产量及农业可持续发展的重要因素,低温冻害导致油菜生长发育迟缓和大幅度减产。便捷、精准地识别和评估油菜冻害不仅为精准农田管理提供依据而且对培育抗冻品种有重要意义。本研究借助低空无人机遥感技术,用大疆精灵无人机Phantom 4 Pro V2.0,搭载2000万像素RGB相机,对生长88天正处于越冬期的2052份油菜育种材料进行航拍。将拍摄后的图片经拼接、剪裁、评价、扩展后按8:2划分为训练集和验证集。然后将训练集图片分批输入自主建立的深度学习网络模型中提取冻害特征并优化网络模型,优化完成后用验证集图片对识别结果进行验证。结果表明深度学习网络模型对油菜是否发生冻害的整体识别精度达98.13%,Micro F1为98.13%、Macro F1为98.11%,Kappa系数为0.96,说明深度学习网络模型整体性能较好。本试验使用较低的成本实现了大规模油菜材料冻害情况快速、高效、准确的评估,弥补了传统调查方法的缺陷。同时本研究建立的成套油菜冻害鉴定方法可为后续抗冻性状机理研究及品种选育提供重要支撑,也可为其它类似冻害的逆境鉴定方法开发提供借鉴和参考。

• 单位
  武汉大学; 中国农业科学院油料作物研究所