高光譜稻田雜草識別方案
01
雜草作為農(nóng)業(yè)生產(chǎn)中的典型有害生物，對作物生長構(gòu)成了顯著的負面影響。在人口持續(xù)增長及新&冠&肺&炎疫情的雙重影響下，糧食的重要性日益凸顯。水稻（Oryza sativa L.）作為全球主要糧食作物，其產(chǎn)量對于全球糧食安全的保障具有至關(guān)重要的作用。稻田雜草作為影響水稻生長與產(chǎn)量的關(guān)鍵因素，迫切需要采取有效的管理措施進行控制。
目前主要的除草方法包括人工、機械和化學(xué)除草?；瘜W(xué)除草具有經(jīng)濟性和高效性等特點，是目前大多數(shù)農(nóng)業(yè)地區(qū)主要的除草方式。然而，除草劑的不當使用可能會給人類健康、環(huán)境和生態(tài)系統(tǒng)帶來潛在的風險。采用精準施藥是解決這一問題的有效途徑口。
奧譜天成利用光譜分析以及特征提取技術(shù)，結(jié)合機器學(xué)習算法實現(xiàn)對稗草的有效識別！
▲水稻與稗草的地面影像
高光譜成像技術(shù)的獨&特優(yōu)勢：結(jié)合了二維成像技術(shù)和光譜分析技術(shù)，具有分辨率高、信息量大、檢測速度快等優(yōu)點。無人機高光譜設(shè)備具有豐富的光譜信息，在雜草制圖方面具有巨大的應(yīng)用前景?；诘涂者b感稻田環(huán)境下的稗草識別更貼近實際生產(chǎn)情況，雜草空間分布圖的制作有利于指導(dǎo)精準施藥。
本研究利用無人機載高光譜系統(tǒng)ATH9010收集低空稻田遙感影像
利用光譜分析以及特征提取技術(shù)，結(jié)合機器學(xué)習算法實現(xiàn)對稗草的有效識別，節(jié)約人力物力資源。
優(yōu)勢：大面積監(jiān)測，非破壞性檢測，保持樣品完整、獲取樣品的空間分布信息。
影像采集
在飛行區(qū)域內(nèi)設(shè)置黑白反射率板，用于輻射校正；飛行高度為30米，低空采集保證獲得更高的空間分辨率。
▲無人機高光譜系統(tǒng)
優(yōu)勢：大面積監(jiān)測，地面分辨率高，非破壞性檢測，保持樣品完整、獲取整塊樣品的空間分布信息。
數(shù)據(jù)預(yù)處理
對采集到的數(shù)據(jù)影像進行拼接，后進行輻射校正，將像元亮度值轉(zhuǎn)化為反射率。在研究區(qū)域內(nèi)均勻選擇水稻、稗草、成熟稗草和背景四種類型樣本，保證了樣本間的差異，有利于模型泛化能力的提升。
▲樣點分布圖
光譜預(yù)處理
對采集到的原始光譜數(shù)據(jù)進行平滑處理（如Savitzky-Golay濾波），減少噪聲。
▲光譜卷積平滑處理及水稻和稗草的光譜反射率曲線
優(yōu)勢：提高數(shù)據(jù)質(zhì)量，減少噪聲干擾。增強光譜信號的特征，提高分析的可靠性。
特征篩選
利用高光譜成像技術(shù)獲取水稻與雜草的光譜信息，使用連續(xù)投影算法（SPA）提取光譜數(shù)據(jù)中的主要特征分量，從原始的高維特征集中選擇出最&具信息的特征子集，以提高模型性能或簡化模型，降低數(shù)據(jù)維度?；诰礁`差（RMSE）最小原則，篩選出對鑒別有重要貢獻的波段。
▲SPA特征波段選擇結(jié)果
優(yōu)勢：提高模型性能，簡化模型。提取光譜信號的主要特征，保證分析的可靠性。
建立模型
采用特征篩選出的特征波長數(shù)據(jù)結(jié)合分類樣本建模，使用隨機森林、支持向量機、一維卷積神經(jīng)網(wǎng)絡(luò)、三維卷積神經(jīng)網(wǎng)絡(luò)等方法進行分類精度比較。
▲雜草空間分布圖
基于雜草空間分布圖，通過圖像二值化的方式提取稗草像素，突出目標輪廓，更加直觀地展示稗草的分布情況。對于區(qū)塊化管理的農(nóng)業(yè)，準確獲取雜草覆蓋密度或病害侵擾程度可直接為防治與精準作業(yè)提供有力的信息支持。
▲稗草二值圖像
根據(jù)實際需求設(shè)定不同大小的窗口，對二值圖像切塊處理，統(tǒng)計每個小塊稗草像素的占比，賦予1到5的密度等級，制成稗草密度分布圖。
▲稗草密度圖
高光譜成像技術(shù)是了野外復(fù)雜條件下識別雜草的有效手段，能夠準確區(qū)分水稻與雜草。高光譜成像融合了光譜信息與圖像信息，提供了豐富的數(shù)據(jù)支持，使得分析更加全面和深入，提高了識別的準確性和可靠性。通過SG濾波，增強水稻與稗草差異性；SPA提取的特征波段結(jié)合分類算法，實現(xiàn)了對雜草的快速提取。根據(jù)識別結(jié)果，以空間分布圖和密度圖的形式呈現(xiàn)做為應(yīng)用指導(dǎo)，與實際生產(chǎn)作業(yè)緊密相連，為精準作業(yè)提供有力的數(shù)據(jù)支撐。
參考文獻
[1]顏子一,沈奕揚,唐偉,等.基于無人機高光譜的稻田雜草識別和空間分布研究[J].激光生物學(xué)報,2024,33(04):335-346.
產(chǎn)品推薦
ATH9010
產(chǎn)品特征
波段范圍：380~1000nm
高光譜分辨率：優(yōu)于1.3 nm
寬視場：23.4°@f=25mm（與鏡頭相關(guān)）
瞬時視場：0.00977mrad@f=35 mm（與鏡頭相關(guān)）
飛行高度：50~1000米，推薦100-300m
I7板載計算機，最大支持2T存儲，最多可存儲100小時成像數(shù)據(jù)
1.5m軸距大型多旋翼無人機，高載重，可擴展型強；
超長飛行時間：約45分鐘，巡航面積大
產(chǎn)品應(yīng)用
地質(zhì)與礦產(chǎn)資源勘察，土壤監(jiān)測
精準農(nóng)業(yè)、農(nóng)作物長勢與產(chǎn)量評估
森林病蟲害監(jiān)測與防火監(jiān)測
海岸線與海洋環(huán)境監(jiān)測
草場生產(chǎn)力及草場監(jiān)測、生態(tài)環(huán)境保護及礦山監(jiān)控
遙感教學(xué)與科研、氣象研究、災(zāi)害防治
湖泊與流域環(huán)境監(jiān)測、水質(zhì)檢測
農(nóng)畜產(chǎn)品品質(zhì)檢測
軍事、國防和國土安全
