基于无人机可见光图像的作物分类研究

编号 zgly0001708224

文献类型 期刊论文

文献题名 基于无人机可见光图像的作物分类研究

作者 李志铭  赵静  兰玉彬  崔欣  杨焕波 

作者单位 山东理工大学农业工程与食品科学学院  国家精准农业航空施药技术国际联合研究中心山东理工大学分中心 

母体文献 西北农林科技大学学报(自然科学版 

年卷期 2020年06期

年份 2020 

分类号 TP751  S127 

关键词 作物分类识别  无人机遥感  可见光图像  特征选择  监督分类 

文摘内容 【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。