共查询到17条相似文献，搜索用时 218 毫秒
1.
基于无人机载LiDAR数据的玉米涝灾灾情评估 总被引：3，自引：0，他引：3
【目的】基于无人机平台的遥感技术是目前研究的热点,也是推动现代化农业快速发展的主要力量之一。笔者欲通过分析涝灾研究区激光雷达点云数据反演的玉米冠层高度,快速准确实现玉米涝灾受灾范围监测和灾情评估,为防灾减灾、高产稳产、农业保险理赔等提供依据。拓展无人机载LiDAR数据在农业领域的应用价值,为农业等相关部门快速有效掌握农情信息提供保障。【方法】2016年7月19—20日,以因大暴雨导致涝灾的北京市昌平区一块玉米大田作为研究区,基于无人机平台获取研究区激光雷达数据。通过冠层高度模型(canopy height model,CHM)反演出玉米冠层高度,采用正态统计理论的双阈值划分策略确定阈值,构建基于玉米冠层高度差异的涝灾灾情遥感监测模型,评价玉米涝灾灾情严重程度,并基于地面实测数据进行精度评价。【结果】涝灾发生后,玉米长势存在一定差异,最明显的差异体现在玉米植株高度。基于正态统计理论和野外测量,最终确定严重涝灾玉米冠层高度为0.30—0.84 m,中度涝灾玉米冠层高度为0.84—1.70 m,冠层高度1.70 m以上为轻度受灾区域。通过野外实测样本对无人机载LiDAR数据估算结果进行混淆矩阵分析,总体分类精度达到72.15%,Kappa系数为0.44。结合数码影像做进一步验证,结果表明研究区玉米涝灾遥感空间制图结果与数码影像结果基本一致。【结论】通过无人机载LiDAR数据能实现玉米冠层高度反演,结合涝灾后玉米植株高度差异特征能有效反映不同涝灾程度,实现区域尺度下玉米涝灾受灾范围监测和灾情等级评估,有利于便捷高效获取灾情灾害信息。 相似文献
2.
目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错.为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型.再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定.该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14％,平均绝对误差为4.7328;在无人机平台获取的图像数据测试集中类平均精度为82.14％,平均绝对误差为9.6948.试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值. 相似文献
3.
基于无人机影像匹配点云数据的喀斯特峡谷区火龙果单株提取研究 总被引：2，自引：0，他引：2
针对无人机可见光影像对背景与目标地物混淆时提取识别难的问题,利用四旋翼无人机采集喀斯特峡谷区的火龙果影像匹配点云数据,对原始点云数据进行去噪、滤波和归一化等处理,通过建立高精度的数字高程模型(DEM)、数字表面模型(DSM),进而建立高精度的冠层高度模型(CHM),并以目视解译的火龙果株数为参照,对火龙果株数进行识别提取验证。结果表明,运用无人机影像匹配点云数据,通过冠层高度模型在一定程度上可以消除植株下方杂草的影响;当样地内的基础设施或存在地物高度与火龙果冠层接近,导致误提,错提率最高为8.55%,漏提率最高为12.28%;在各样区中,运用种子点进行火龙果株数提取的精度均在92.38%以上;运用植被冠层进行火龙果株数提取的精度均在90.68%以上。由此表明,运用无人机影像匹配点云数据提取火龙果具有快速、简单有效、成本低、精度可靠的特点,适用于喀斯特山区作物株数的快速提取,可以与基于颜色指数的提取方法互为补充。 相似文献
4.
【目的】 利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量。【方法】 以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析。【结果】 通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m。所建株高模型R2达到0.846 9,验证模型R2也达到0.758 1。【结论】 利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性。为大范围的棉花田间株高观测提供一种新的研究方法是可行的。 相似文献
5.
出苗率是西北地区春播玉米夺得高产的前提保障。针对宁夏大面积玉米种植过程中人工统计出苗状况工程量大、耗时费力、误查漏数等现象。本文设计不同氮素处理试验,运用无人机搭载数码相机获取玉米苗期高清图像,运用MATLAB软件中ORB算法与距离加权融合算法合成无人机图像,通过二值化、腐蚀膨胀等深度优化处理技术得出玉米苗期图像轮廓,然后运用MATLAB软件八位连通域和ARCMAP 10.3计算方法自动规划路线并计算出玉米的出苗数量。结合田间人工调查数据,采用线性回归分析方法,建立了人工计数和无人机获取玉米出苗株数之间的线性关系模型。结果表明,线性回归关系模型的决定系数、均方根误差和标准均方根误差分别为0.895、4.359和2.436%。因此,基于低空无人机平台快速获取大田玉米出苗株数,是一种省时省力、高效精准的出苗率获取方法。可为后续玉米高产的准确评估提供技术支持,对于优化宁夏玉米滴灌水肥一体化精准种植技术具有积极意义。 相似文献
6.
可持续的森林经营管理模式有助于实现生态文明建设的高质量发展，人工林单木分割结果的获取是森林经营管理的关键。目前无人机载激光雷达技术为单木位置的精准定位和树冠的精确划分提供了应用空间。利用冠层高度模型(CHM)检测和提取单木数量和树冠、树高等信息，评估和分析空间分辨率和点云密度对单木分割和树冠提取结果的影响和精度，该方法可准确分割人工侧柏林和提取树冠信息，总体上单木分割精确率均>75%,树冠轮廓提取精确率均>65%,实测数据与提取数据的回归决定系数均>0.6。适当的空间分辨率有助于提高单木分割精度，当分辨率为0.3 m时单木分割和树冠提取结果均为最优。同时研究发现随着点云密度的降低，单木数量的识别精度值随之下降。当点云密度为100%时，F为89%,当点云密度为10%时，其F降低至73%。基于CHM模型可以较好实现人工林的单木精确分割，对林木出现的树冠重叠、覆盖、偏移等现象均有一定的辨别能力；同时分析了空间分辨率和点云密度对单木分割和树冠提取结果的影响并评估了精确性，识别了单木分割时关键参数的最优选择。 相似文献
7.
《山东农业大学学报(自然科学版)》2019,(5)
提出了一种基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法,可以有效对线路走廊中的地物进行分类。首先提取三维点云数据的多尺度局部特征作为特征参数构成特征向量,主要包括高程特征、连通特征、张量特征和平面特征。然后将多尺度特征向量输入到多分类相关向量机分类器中,在完成分类器训练之后,对无人机LiDAR点云数据进行分类。试验结果表明,该方法可以有效区分地面、植物、建筑物、杆塔和电力线5类线路走廊地物LiDAR点云数据,分类整体精度达到96.63%。 相似文献
8.
9.
以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。 相似文献
10.
11.
作物种植行自动检测研究现状与趋势 总被引：1，自引：0，他引：1
大田作物一般成行种植,以提高种植效率和方便田间管理。因此,作物种植行自动检测对于智能农机携带传感器拍摄影像实现自主导航、精准打药,乃至基于无人机搭载传感器拍摄高分辨率影像生成田间的精准管理作业单元都具有重要意义,是智慧农业管理的重要组成部分。本研究首先系统归纳总结了已有作物种植行自动检测方法,分析了Hough变换法、最小二乘法、绿色像元累积法、Blob分析法、滤波法、消隐点法等作物种植行提取方法的基本原理、发展现状与优、缺点;其次,针对已有研究,提出目前还存在的、需要探讨的科学技术问题,比如不同空间和光谱分辨率影像如何影响作物种植行提取的精度;怎样基于无人机识别不同空间分布特征的作物种植行并进行长势空间精准制图;如何构建标准化的作物种植行识别技术流程等;最后,针对种植行提取技术现状与存在的问题,提出未来的若干研究方向,包括能适应高杂草压力等复杂环境的作物种植行精准识别技术,以提高智能农机自主导航精度;能基于种植行识别结果进行作物长势精准制图,从而支撑田间精准分区的方法;耦合无人机遥感精准作物长势监测与智能农机作业的田间精准管理技术等。本文可为影像中作物种植行自动提取及其相关应用研究提供参考。 相似文献
12.
13.
针对目前林业部门人工调查树种存在效率低、成本高等问题,采用无人机遥感技术进行树种分类识别,提高树种调查效率,辅助林业管理部门进行林木种植结构分析、病虫害防治等工作。利用无人机获取矮冬青、三球悬铃木、马尾松和紫叶李的冠层红绿蓝（red-green-blue,RGB）可见光影像,进行数字表面模型（digital surface model,DSM）特征图像提取,通过色彩空间转换提高树种间颜色差异;应用最优尺度分割,以纹理特征、颜色特征及几何特征为分类特征参数,优选最佳分类特征集,以期实现无人机可见光影像的树种分类。结果表明,DSM与RGB特征融合图像提取树种的精度较高,可见光影像分类总精度为91.58%,Kappa系数为0.89;特征融合图像分类总精度为98.27%,Kappa系数为0.98。研究提出的特征融合图像结合面向对象分类方法实现了可见光影像的树种分类,为实现树种计数、统计、分类提供数据参考。 相似文献
14.
《农业科学学报》2023,22(6):1671-1683
Maize tassel detection is essential for future agronomic management in maize planting and breeding, with application in yield estimation, growth monitoring, intelligent picking, and disease detection. However, detecting maize tassels in the field poses prominent challenges as they are often obscured by widespread occlusions and differ in size and morphological color at different growth stages. This study proposes the SEYOLOX-tiny Model that more accurately and robustly detects maize tassels in the field. Firstly, the data acquisition method ensures the balance between the image quality and image acquisition efficiency and obtains maize tassel images from different periods to enrich the dataset by unmanned aerial vehicle (UAV). Moreover, the robust detection network extends YOLOX by embedding an attention mechanism to realize the extraction of critical features and suppressing the noise caused by adverse factors (e.g., occlusions and overlaps), which could be more suitable and robust for operation in complex natural environments. Experimental results verify the research hypothesis and show a mean average precision (mAP@0.5) of 95.0%. The mAP@0.5, mAP@0.5–0.95, mAP@0.5–0.95 (area=small), and mAP@0.5–0.95 (area=medium) average values increased by 1.5, 1.8, 5.3, and 1.7%, respectively, compared to the original model. The proposed method can effectively meet the precision and robustness requirements of the vision system in maize tassel detection. 相似文献
15.
基于无人机平台和图像分析的田间作物检测 总被引：2，自引：0，他引：2
为高效、精准、及时地获取农作物的空间分布及其面积,建立了基于无人机平台和图像分析的大田作物检测方法:采用小型四旋翼无人机搭载高性能数码相机获取作物图像后,通过图元分割和目视解译获得目标样本,提取其21维颜色特征和3维纹理特征,采用BP神经网络分类器和像素累加法进行作物种类识别和面积测量。试验结果表明,系统对小麦、油菜、蚕豆和大蒜的平均识别率达86%,面积测量的平均相对误差约为9.62%。 相似文献
16.
基于局域最大值法单木位置探测的适宜模型研究 总被引：2，自引：0，他引：2
以凉水自然保护区为研究区域,基于机载激光雷达数据,采用动态窗口局部最大值法对郁闭度较高的针叶林进行单木位置自动提取。采用树冠高度模型(CHM)和树冠最大模型(CMM)配合两种动态窗口,即树高--树冠大小回归方程和该方程的95%预测下限来探测树冠顶点,用探测百分比、1∶1对应关系的单木个数、生产者精度和用户精度进行了精度评价。结果表明:利用CMM能够抑制树冠内部枝杈产生的错判现象;利用树高--树冠大小回归方程95%的预测下限做动态窗口,能够有效防止在局部最大值方法中产生的小树漏测现象。因此,利用CMM和95%的预测下限做动态窗口的局域最大值法有利于提高单木位置探测的精度,为密林中自动地探测单木位置提供依据。 相似文献
17.
基于无人机多光谱遥感图像的玉米田间杂草识别 总被引：5，自引：0，他引：5
【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。 相似文献