基于无人机多光谱影像的小麦封垄前种植行识别方法改进
文献类型：期刊论文
| 作者 | 马啸; 陈鹏飞 |
| 刊名 | 中国农业科学
 |
| 出版日期 | 2022-10-16 |
| 卷号 | 55期号:20页码:3926-3938 |
| 关键词 | 小麦 种植行 Hough变换法 绿色像元累积法 无人机影像 |
| 英文摘要 | 【目的】为实现小麦精准管理，准确识别其种植行位置具有重要意义。本研究分别针对传统Hough变换法和绿色像元累积法存在的缺陷进行改进，并对改进前、后不同方法在小麦种植行识别上的精度进行对比分析，为小麦种植行精准提取提供技术支撑。【方法】本研究开展了小麦水、氮耦合试验，在小麦拔节前期，基于四旋翼无人机携带RedEdge M传感器获取小麦不同生长条件下多光谱影像。基于上述数据，首先采用超绿超红差分指数和Otsu方法对影像分割、分类，获取植被/土壤二值图；其次，采用3×1线型模板进行形态学开运算，降低边界不规则度并去除噪音；然后，结合无人机影像中小麦种植行排布特点，分别针对传统Hough变换法的峰值检测过程和绿色像素累积法的角度检测过程进行优化，提出改进的小麦种植行识别方法；最后，分别将两种方法改进前、后的识别结果与目视解译种植行位置结果进行对比，基于检出率和作物行识别精度（crop row detection accuracy,CRDA）评价4种方法的优劣。【结果】采用超绿超红差分指数与Otsu方法可以很好对植被/土壤进行分类，分类结果的总体精度达到93.75%,Kappa系数为0.87；形态学运算可以很好地去除图像噪声，减少后期种植行识别误差；改进后Hough变换法通过利用先验知识对峰值检测范围进行约束，有效提升了种植行检测精度，种植行平均检出率从30%提升至67%,CRDA平均值从0.22提升至0.44；改进后绿色像元累积法通过考察整幅影像的绿色像元累积特征，有效提升角度检测精度，种植行平均检出率从14%提升至93%,CRDA平均值从0.12提升至0.69;4种方法的识别精度从高到低依次为改进后绿色像元累积法、改进后Hough变换法、改进前Hough变换法、改进前绿色像元累积法。【结论】本研究较好地改进了传统种植行识别方法，为种植密度大、行间距小的小麦种植行识别提供了技术支撑。 |
| 语种 | 中文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/186559]  |
| 专题 | 资源与环境信息系统国家重点实验室_中文论文 |
| 作者单位 | 1.中国科学院大学 2.中国科学院地理科学与资源研究所/资源与环境信息系统国家重点实验室 3.国家科技资源共享服务平台国家地球系统科学数据中心 |
| 推荐引用方式 GB/T 7714 | 马啸,陈鹏飞. 基于无人机多光谱影像的小麦封垄前种植行识别方法改进[J]. 中国农业科学,2022,55(20):3926-3938. |
| APA | 马啸,&陈鹏飞.(2022).基于无人机多光谱影像的小麦封垄前种植行识别方法改进.中国农业科学,55(20),3926-3938. |
| MLA | 马啸,et al."基于无人机多光谱影像的小麦封垄前种植行识别方法改进".中国农业科学 55.20(2022):3926-3938. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。