基于无人机低空遥感的水稻田间杂草分布图研究

作者：朱圣; 邓继忠^*; 张亚莉; 杨畅; 严智威; 谢尧庆

来源：华南农业大学学报, 2020, 41(06): 67-74.

• 无人机遥感
• 稻田杂草
• 机器学习算法
• 卷积神经网络
• 精准施药

【目的】获取水稻田的低空遥感图像并分析得到杂草分布图,为田间杂草精准施药提供参考。【方法】使用支持向量机(SVM)、K最近邻算法(KNN)和AdaBoost 3种机器学习算法,对经过颜色特征提取和主成分分析(PCA)降维后的无人机拍摄的水稻田杂草可见光图像进行分类比较;引入一种无需提取特征和降维、可自动获取图像特征的卷积神经网络(CNN),对水稻田杂草图像进行分类以提升分类精度。【结果】SVM、KNN和AdaBoost对测试集的测试运行时间分别为0.500 4、2.209 2和0.411 1 s,分类精度分别达到89.75%、85.58%和90.25%,CNN对图像的分类精度达到92.41%,高于上述3种机器学习算法的分类精度。机器学习算法及CNN均能有效识别水稻和杂草,获取杂草的分布信息,生成水稻田间的杂草分布图。【结论】CNN对水稻田杂草的分类精度最高,生成的水稻田杂草分布图效果最好。

• 单位
  华南农业大学