基于无人机低空遥感影像的烟田杂草精准识别方法研究

作者：卢涛; 胡文英^*; 张军

来源：中国烟草科学, 2022, 43(04): 79-86.

DOI：10.13496/j.issn.1007-5119.2022.04.011

• 杂草识别
• 烟田
• 无人机遥感
• 烟草
• 分类耗时
• 随机森林

为实现烟田中杂草的精准识别和防控，应用无人机多光谱影像构建光谱、植被、纹理特征等20个特征变量，按照特征重要性评分将特征变量数分为3组，分别添加到随机森林（RF）、支持向量机（SVM）、马氏距离（MD）和C5.0决策树（C5.0）中进行分类，并从分类正确率和时间两方面比较不同分类算法的优适性；通过PCA-ReliefF筛选重要特征信息，在保证较高分类精度的同时降低特征变量维度。结果表明，随着不同特征变量的加入，各分类算法的分类精度不同幅度地提升。其中，使用14个变量的RF模型的分类精度最高、耗时最短，总体精度94.06%,Kappa系数为0.90;MD算法分类精度最低、耗时最少；C5.0决策树耗时最长，总体精度比SVM和MD算法高1.37%、3.62%。综上，RF算法是烟田杂草识别中较合适的分类方法，可以有效实现烟田杂草的精准识别，进而为烟草生产管理提供技术支撑。

• 单位
  云南大学; 云南师范大学