期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到126篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器视觉的株间机械除草装置的作物识别与定位方法 被引量：121
1
作者 胡炼 罗锡文 +3 位作者 曾山 张智刚 陈雄飞 林潮兴 《农业工程学报》 EI CAS CSCD 北大核心 2013年第10期12-18,共7页
株间机械除草技术可进一步减少化学除草剂的使用,有利于环境保护和农业可持续发展。为实现智能化的株间机械除草装置自主避让作物并进入株间区域,该研究提出了一种株间机械除草装置的作物识别与定位方法。利用2G-R-B方法将作物RGB彩色... 株间机械除草技术可进一步减少化学除草剂的使用,有利于环境保护和农业可持续发展。为实现智能化的株间机械除草装置自主避让作物并进入株间区域,该研究提出了一种株间机械除草装置的作物识别与定位方法。利用2G-R-B方法将作物RGB彩色图像进行灰度化,再选用Ostu法二值化、连续腐蚀和连续膨胀等方法对图像进行了初步处理。根据行像素累加曲线和曲线的标准偏差扫描线获得作物行区域信息,以作物行区域为处理对象,利用列像素累加曲线、曲线标准偏差和正弦波曲线拟合识别出作物,并结合二值图像中绿色植物连通域的质心获得作物位置信息。试验结果表明,该方法可以正确识别出作物并提供准确的定位信息,能适应不同天气状况、不同种类的作物,棉苗正确识别率为95.8%,生菜苗正确识别率为100%,该方法为株间机械除草装置避苗和除草自动控制提供了基本条件。 展开更多
关键词 农业机械 除草 定位 株间机械除草 机器视觉 作物识别
下载PDF
我国农情遥感监测关键技术研究进展 被引量：89
2
作者 杨邦杰 裴志远 +1 位作者 周清波 刘海启 《农业工程学报》 EI CAS CSCD 北大核心 2002年第3期191-194,共4页
我国作物的遥感监测已有 2 0年的研究历史。但象中国这样国土辽阔、地形多样、种植结构复杂、农户规模小的国家的国家级农情遥感监测运行系统 ,在关键技术方面仍然需要加强研究。这些关键技术包括 :数据处理、作物识别、面积量算、长势... 我国作物的遥感监测已有 2 0年的研究历史。但象中国这样国土辽阔、地形多样、种植结构复杂、农户规模小的国家的国家级农情遥感监测运行系统 ,在关键技术方面仍然需要加强研究。这些关键技术包括 :数据处理、作物识别、面积量算、长势监测、灾害评估、产量估计及运行系统集成等。该文根据作者开发农业部农情遥感监测系统的经验 ,分析存在的问题 。 展开更多
关键词 农情遥感监测 作物监测 产量估算 作物识别 长势监测 面积量算 灾害评估
下载PDF
Google Earth Engine支持下的江苏省夏收作物遥感提取 被引量：51
3
作者 何昭欣 张淼 +1 位作者 吴炳方 邢强 《地球信息科学学报》 CSCD 北大核心 2019年第5期752-766,共15页
江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空... 江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine(GEE)作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论:①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。 展开更多
关键词 GEE云平台 Sentinel-2 特征优选 作物识别 江苏省
原文传递
基于Faster R-CNN的田间西兰花幼苗图像检测方法 被引量：47
4
作者 孙哲 张春龙 +3 位作者 葛鲁镇 张铭 李伟 谭豫之 《农业机械学报》 EI CAS CSCD 北大核心 2019年第7期216-221,共6页
为解决自然环境下作物识别率不高、鲁棒性不强等问题,以西兰花幼苗为研究对象,提出了一种基于Faster R-CNN模型的作物检测方法。根据田间环境特点,采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像,以确保样本多样性... 为解决自然环境下作物识别率不高、鲁棒性不强等问题,以西兰花幼苗为研究对象,提出了一种基于Faster R-CNN模型的作物检测方法。根据田间环境特点,采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像,以确保样本多样性,并通过数据增强手段扩大样本量,制作PASCAL VOC格式数据集。针对此数据集训练Faster R-CNN模型,通过设计ResNet101、ResNet50与VGG16网络的对比试验,确定ResNet101网络为最优特征提取网络,其平均精度为90.89%,平均检测时间249 ms。在此基础上优化网络超参数,确定Dropout值为0.6时,模型识别效果最佳,其平均精度达到91.73%。结果表明,本文方法能够对自然环境下的西兰花幼苗进行有效检测,可为农业智能除草作业中的作物识别提供借鉴。 展开更多
关键词 西兰花幼苗 作物识别 深度学习 卷积神经网络 FasterR-CNN
下载PDF
Landsat 8和MODIS融合构建高时空分辨率数据识别秋粮作物 被引量：45
5
作者 谢登峰 张锦水 +2 位作者 潘耀忠 孙佩军 袁周米琪 《遥感学报》 EI CSCD 北大核心 2015年第5期791-805,共15页
本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Suppor... 本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。 展开更多
关键词 高时空分辨率 时空数据融合 分类数据集 作物识别 秋粮
原文传递
模糊分类技术在作物类型识别中的应用 被引量：17
6
作者 尤淑撑 张玮 严泰来 《国土资源遥感》 CSCD 2000年第1期39-43,共5页
介绍了模糊分类技术 ,并将其应用于多时相ScanSAR的作物识别中。模糊分类技术比传统的最大似然法具有较高的识别精度。结合雷达图像的自身特点 ,将模糊分类技术与上下文处理相结合 。
关键词 模糊分类 SCANSAR 上下文处理 作物识别
下载PDF
综合季相节律和特征光谱的冬小麦种植面积遥感估算 被引量：28
7
作者 张喜旺 秦耀辰 秦奋 《农业工程学报》 EI CAS CSCD 北大核心 2013年第8期154-163,I0004,共11页
及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分... 及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。 展开更多
关键词 遥感 作物 光谱分析 伊洛河流域 作物识别 季相节律 像元分解
下载PDF
用高分一号数据提取玉米面积及精度分析 被引量：28
8
作者 郭燕 武喜红 +2 位作者 程永政 王来刚 刘婷 《遥感信息》 CSCD 北大核心 2015年第6期31-36,共6页
由于受到时间分辨率的影响,长期以来国内遥感技术在面积监测、作物长势监测等方面受到限制。针对此问题,该文利用"高分一号"卫星高空间和高时间分辨率的特点,应用其宽幅16m分辨率数据,结合Landsat-8和RapidEye数据,采用支持... 由于受到时间分辨率的影响,长期以来国内遥感技术在面积监测、作物长势监测等方面受到限制。针对此问题,该文利用"高分一号"卫星高空间和高时间分辨率的特点,应用其宽幅16m分辨率数据,结合Landsat-8和RapidEye数据,采用支持向量机(SVM)和光谱角法(SAM)在许昌进行农作物(玉米)的识别和面积提取及其精度分析。结果表明,"高分一号"4个宽幅传感器的影像应用精度差别较大,其中WFV3数据的作物识别与种植面积提取精度最高,高于Landsat-8,与RapidEye接近;而WFV1和WFV4数据的应用效果较差,不太适用于试验区内复杂的秋季作物类型的识别。总体上讲,SVM分类器的分类精度和Kappa系数都要好于SAM分类器,相比之下SVM更适合于农作物的识别和种植面积提取。 展开更多
关键词 高分一号 作物识别 玉米种植面积提取 支持向量机 光谱角 精度评价
下载PDF
用基于IHS变换的SPOT-5遥感图像融合进行作物识别 被引量：13
9
作者 钱永兰 杨邦杰 雷廷武 《农业工程学报》 EI CAS CSCD 北大核心 2005年第1期102-105,共4页
遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的"万能"的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合... 遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的"万能"的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合的融合模型。SPOT-5图像是一种较新的高空间分辨率遥感图像,目前已用于运行化农情遥感监测,以弥补传统低空间分辨率遥感图像应用的不足。该文将SPOT-5多光谱和超模式全色图像进行融合,以进行中国东北地区大豆识别。对实验数据分别做基于IHS变换和PCA变换的融合处理,通过比较得出,基于IHS变换的融合方法用于SPOT-5遥感图像融合更利于东北大豆的识别。 展开更多
关键词 IHS变换 PCA变换 SPOT-5 遥感图像融合 数据融合 象元级融合 作物识别
下载PDF
基于历史增强型植被指数时序的农作物类型早期识别 被引量：18
10
作者 郝鹏宇 唐华俊 +1 位作者 陈仲新 牛铮 《农业工程学报》 EI CAS CSCD 北大核心 2018年第13期179-186,共8页
快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到... 快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到2013年的MODIS EVI时间序列数据和cropland data layer(CDL)数据,使用免疫系统网络方法建立苜蓿、玉米、高粱和冬小麦的参考EVI时间序列;根据2006年到2013年作物分布情况,将作物超过总记录年数一半的象元作为2014年"潜在"训练样本;通过计算参考EVI时间序列和"潜在"样本的MODIS EVI时间序列的欧氏距离确认2014年训练样本;最后使用这些样本和2014年Landsat NDVI月合成数据进行30 m作物识别,并且评价时间序列长度对作物识别结果的影响。试验结果表明,时间序列长度为4-8月时,获得2014年样本10 183个,样本正确率为96.32%,总体分类精度为94.02%,接近使用完整时间序列数据的结果(总体分类精度94.89%);提取的苜蓿、玉米、高粱和冬小麦的面积分别为549.5、1 999.5、2 851.5和6 415.3 km^2,与CDL数据相比误差低于20%,说明基于参考时间序列方法获得的训练样本具有较高的正确率,具备进行30 m作物早期制图的潜力。该研究可为提高农作物遥感制图工作效率提供参考。 展开更多
关键词 作物 遥感 识别 参考EVI时间序列 作物识别 样本 免疫系统网络 CDL数据
下载PDF
作物遥感精细识别与自动制图研究进展与展望 被引量：19
11
作者 刘哲 刘帝佑 +3 位作者 朱德海 张琳 昝糈莉 童亮 《农业机械学报》 EI CAS CSCD 北大核心 2018年第12期1-12,共12页
作物识别与制图产品数据是作物长势、风险胁迫、产量等生产参量监测预测,种植结构调整与供需决策分析,以及耕地资源安全与生态效应评估等工作的基础数据,遥感数据成为作物类型识别与制图的最主要数据源,新兴数字技术则为遥感作物识别与... 作物识别与制图产品数据是作物长势、风险胁迫、产量等生产参量监测预测,种植结构调整与供需决策分析,以及耕地资源安全与生态效应评估等工作的基础数据,遥感数据成为作物类型识别与制图的最主要数据源,新兴数字技术则为遥感作物识别与制图提供了新的方法手段。本文通过综述近年基于遥感的作物识别与制图相关研究成果,探究当前技术趋势、关键问题,以及需求差距。分别从小尺度作物精细识别、大尺度作物自动化制图,以及作物识别与制图模式变化3个视角总结归纳面临的主要问题和主要研究工作。作物识别与制图产品在小尺度上需要更加精细、近实时和更高的识别精度,主要使用超高空间分辨率(如米级、亚米级)的影像数据,在提高作物识别精度(95%以上)进而提取满足应用需求的高精度作物表型等信息方面依旧面临巨大挑战。而在大尺度上需要更加自动化、满足可靠识别精度(90%左右),主要使用高时空分辨率(2～5 d,10～30 m)的影像数据,面临着如何处理海量数据的存储管理、分析计算,发展大范围上具有鲁棒性的分类识别方法,寻找科学高效的地面样本获取途径的难题。同时,作物识别与制图的模式也将从确认监测向提前预判和特定作物探测转变。最后从加强科学研究与加快应用落地2个角度提出展望,为发展满足智慧农业与国土监管不同需求的遥感作物识别与制图产品提供参考与借鉴。 展开更多
关键词 作物识别 遥感 自动化 研究进展
下载PDF
基于GEE和机器学习的河套灌区复杂种植结构识别 被引量：15
12
作者 牛乾坤 刘浏 +2 位作者 黄冠华 程湫雅 程泳铭 《农业工程学报》 EI CAS CSCD 北大核心 2022年第6期165-174,共10页
河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Eng... 河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Engine(GEE)云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响。结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81%,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法。 展开更多
关键词 遥感 机器学习 GEE云平台 作物识别 特征优选 河套灌区
下载PDF
多时相遥感影像农作物识别方法的分析 被引量：14
13
作者 屠星月 赵冬玲 《测绘通报》 CSCD 北大核心 2012年第S1期380-383,共4页
作物识别是农情监测的基础,能为农业和灌溉用水管理部门提供重要参考数据。利用单景影像进行作物识别容易出现异物同谱及同物异谱现象,基于多时相影像的作物识别则可结合作物物候特征进行分类,避免该问题。介绍多时相作物识别的两种基... 作物识别是农情监测的基础,能为农业和灌溉用水管理部门提供重要参考数据。利用单景影像进行作物识别容易出现异物同谱及同物异谱现象,基于多时相影像的作物识别则可结合作物物候特征进行分类,避免该问题。介绍多时相作物识别的两种基本方法,并且对国内外多时相遥感农作物识别研究现状和新进展进行论述。 展开更多
关键词 作物识别 物候特征 NDVI时序曲线
下载PDF
基于Sentinel-2影像的河套灌区作物种植结构提取 被引量：14
14
作者 刘昊 《干旱区资源与环境》 CSSCI CSCD 北大核心 2021年第2期88-95,共8页
作物识别是提取作物种植结构的基础,利用遥感技术对作物进行监测识别,对优化生产布局、调整农业生产模式有着重要意义。文中选取河套灌区杭锦后旗为研究区域,基于2019年覆盖生长周期的Sentinel-2号卫星影像数据,构建NDVI时间序列数据集... 作物识别是提取作物种植结构的基础,利用遥感技术对作物进行监测识别,对优化生产布局、调整农业生产模式有着重要意义。文中选取河套灌区杭锦后旗为研究区域,基于2019年覆盖生长周期的Sentinel-2号卫星影像数据,构建NDVI时间序列数据集,利用Savitzky-Golay(S-G)滤波对NDVI时间序列数据集进行平滑,分析不同作物不同发育期的光谱曲线特征,计算各主要作物识别关键期的光谱阈值,构建基于决策树分层分类的农作物种植面积提取模型,并用验证样本对分类结果进行精度验证。结果表明:利用整个生育期内的NDVI最大合成影像确定植被地表覆盖,NDVI曲线变化区别林地与耕地,逐层提取地物,简便易行;采用S-G滤波重构高质量的NDVI时间序列曲线,研究证明重构后曲线更加平滑符合作物生长趋势;基于Sentinel-2号遥感数据和整个生育期NDVI时序数据,构建分层分类决策树模型,作物分类总体精度达92.1%,Kapppa系数精度达0.857。本研究采用的方法满足遥感观测应用化需求,也为县级区域农作物分类提供重要参考价值。 展开更多
关键词 sentinel-2 NDVI 时序曲线 作物识别
原文传递
遥感光谱技术在农作物估产中的应用研究进展 被引量：13
15
作者 王莺 巩垠熙 《中国农学通报》 2019年第3期69-75,共7页
农作物产量是一个国家或地区的重要经济信息,关系着国家和区域粮食安全,对农业规划布局、政策调整及可持续发展等方面具有重要意义。农作物遥感估产主要包括作物识别和产量评估2项主要环节,文章通过总结农作物遥感识别与产量估算的研究... 农作物产量是一个国家或地区的重要经济信息,关系着国家和区域粮食安全,对农业规划布局、政策调整及可持续发展等方面具有重要意义。农作物遥感估产主要包括作物识别和产量评估2项主要环节,文章通过总结农作物遥感识别与产量估算的研究现状,以其依据的特征不同、针对的目标不同对现有的作物识别分为2类进行总结;根据数据源与评估模型原理的区别将现有作物遥感估产方法总结为4类,对其方法、原理和应用要点进行总结,讨论分析了各类方法的优势和仍需完善的问题,并对今后的发展趋势进行了展望。 展开更多
关键词 遥感光谱 作物识别 农作物产量估算 应用进展
下载PDF
基于MODIS时序数据的Landsat8影像选取及面向对象分类方法的农作物分类 被引量：13
16
作者 刘明月 王宗明 +4 位作者 满卫东 毛德华 贾明明 张柏 张淼 《土壤与作物》 2017年第2期104-112,共9页
利用遥感技术进行农作物分类,可近实时地获取各种农作物种植的空间分布状况,对于农业生产管理和农业政策制定等都具有十分重要的意义。为避免单时相遥感影像存在同物异谱、同谱异物的现象,提高以往基于MODIS数据提取农作物分布方法的精... 利用遥感技术进行农作物分类,可近实时地获取各种农作物种植的空间分布状况,对于农业生产管理和农业政策制定等都具有十分重要的意义。为避免单时相遥感影像存在同物异谱、同谱异物的现象,提高以往基于MODIS数据提取农作物分布方法的精度,改善传统分类方法存在椒盐噪声及分类效率低的缺点,本文基于MODIS NDVI时间序列曲线,确定作物识别的最佳时段,结合辐射分辨率较高的多时相Landsat8 OLI影像,采用面向对象的分类方法,充分利用物候特征及光谱信息区分作物类别,并在黑龙江省重点产粮区-北安市进行应用,获得北安市各类农作物的空间分布信息。地面调查验证结果表明,该农作物类别识别方法分类效果较好,总体精度达90.7%,kappa系数为0.88。研究结果说明,基于多时相Landsat 8 OLI影像及面向对象分类的方法,并结合MODIS时间序列数据,可以高效、精确地提取农作物信息,应用潜力巨大。 展开更多
关键词 Landsat8 OLI影像 MODIS NDVI时序曲线 J-M距离 物候特征 作物识别 面向对象的分类方法
下载PDF
基于无人机可见光影像的高原丘陵盆地区山药植株识别 被引量：12
17
作者 黄登红 周忠发 +3 位作者 吴跃 朱孟 尹林江 崔亮 《热带地理》 CSCD 北大核心 2019年第4期571-582,共12页
采用四旋翼无人机采集特色作物山药种植区影像,针对山药种植时间和管护水平差异导致的植株生长差异化特征,通过筛选红绿比值指数(RGRI )、过绿指数(ExG)和过绿减过红指数(ExG-ExR)等颜色指数获取山药植株最优颜色指数计算方法;以高斯高... 采用四旋翼无人机采集特色作物山药种植区影像,针对山药种植时间和管护水平差异导致的植株生长差异化特征,通过筛选红绿比值指数(RGRI )、过绿指数(ExG)和过绿减过红指数(ExG-ExR)等颜色指数获取山药植株最优颜色指数计算方法;以高斯高通滤波(GHPF)增强和保留山药植株高频信息,抑制杂草、玉米植株的噪声;结合田间测量山药植株数据,通过人机交互解译方法对图像滤波增强后的影像进行灰度分割和提取山药植株信息。结果表明:1)样区总体提取精度为91.14%,样区A、B、C的提取精度分别为90.94%、91.96%、90.81%,精度验证完整性为93.16%;2)随着山药植株多株连体生长复杂程度的增强,过绿指数具有的土壤与植被的分离性仍优于红绿比值指数和过绿减过红指数;3)使用高斯高通滤波能够有效消除杂草、玉米植株的影响,减小山药植株多株连接生长所产生的干扰;4)高斯高通滤波卷积核大小79x79适用于不同时相和不同生长情况的山药植株影像处理,针对不同的山药植株生长情况和不同时相的可见光影像,需调整灰度分割的阈值参数r,单株山药植株面积S由田间测量确定。该方法以快速灵活、低成本的方式识别和计算不同生长状态的山药植株数目,适用于喀斯特山区的精准农业监测研究和现代农业生产活动。 展开更多
关键词 喀斯特山区 作物识别 无人机遥感 颜色指数 图像滤波 灰度分割
下载PDF
通过训练样本采样处理改善小宗作物遥感识别精度 被引量：11
18
作者 樊东东 李强子 +3 位作者 王红岩 张源 杜鑫 沈宇 《遥感学报》 EI CSCD 北大核心 2019年第4期730-742,共13页
训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影... 训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE(Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS(Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。 展开更多
关键词 作物识别 不均衡数据集 采样 遥感 小宗作物 (GF-2)高分二号
原文传递
空间分辨率对作物识别及种植面积估算的影响研究 被引量：11
19
作者 张焕雪 李强子 《遥感信息》 CSCD 2014年第2期36-40,46,共6页
不同分辨率的遥感数据对农作物识别和面积估算精度的敏感程度是目前研究的热点。本文利用20m分辨率CBERS-02BCCD数据,通过构建不同分辨率遥感影像序列,采用最大似然、支持向量机、人工神经网络3种分类器,分别从像元和区域尺度讨论了空... 不同分辨率的遥感数据对农作物识别和面积估算精度的敏感程度是目前研究的热点。本文利用20m分辨率CBERS-02BCCD数据,通过构建不同分辨率遥感影像序列,采用最大似然、支持向量机、人工神经网络3种分类器,分别从像元和区域尺度讨论了空间分辨率对分类和面积估算精度的影响;同时,还进行了作物种植成数和聚集度的影响分析。结果表明,随着空间分辨率的降低,分类精度和面积估算精度均呈下降趋势;作物种植成数越高,作物种植越密集,面积估算精度随分辨率的降低下降速率越慢;对于分布十分密集的作物,当分辨率高于80m时,聚集度对其精度结果起主导作用。最后,针对不同作物种植结构区,提供了要满足一定的区域精度所需要的遥感数据和最佳分类方法。 展开更多
关键词 空间分辨率 作物识别 种植面积估算 精度
下载PDF
基于轻量二阶段检测模型的自然环境多类蔬菜幼苗识别 被引量：10
20
作者 孟庆宽 张漫 +3 位作者 叶剑华 都泽鑫 宋名果 张志鹏 《农业机械学报》 EI CAS CSCD 北大核心 2021年第10期282-290,共9页
为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网... 为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网络对输入图像进行运算,以提高图像特征提取速度与效率;在此基础上,引入特征金字塔网络(Feature pyramid networks,FPN)单元融合特征提取网络不同层级特征信息,用于增强深度学习检测模型对多尺度目标的检测精度;然后,通过压缩检测头网络通道维数和全连接层数量,降低模型参数规模与计算复杂度;最后,将距离交并比(DistanceIoU,DIoU)损失作为目标边框回归损失函数,使预测框位置回归更加准确。试验结果表明,本文提出的深度学习推理模型对多类蔬菜幼苗的平均精度均值为97.47%,识别速度为19.07 f/s,模型占用存储空间为60 MB,对小目标作物以及叶片遮挡作物的平均精度均值达到88.55%,相比于Faster RCNN、RFCN模型具有良好的泛化性能和鲁棒性,可以为蔬菜田间农业智能装备精准作业所涉及的蔬菜幼苗检测识别问题提供新方案。 展开更多
关键词 蔬菜幼苗 深度学习 作物识别 轻量卷积 二阶段检测模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
使用帮助 返回顶部