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。