基于S185机载高光谱的深度学习方法自动识别冬小麦条锈病研究

《Remote Sensing》影响因子：3.244

机载高光谱农业病虫害研究经典案例之---

基于S185机载高光谱的深度学习方法自动识别冬小麦条锈病研究

A Deep Learning-Based Approach for Automated Yellow Rus Disease Detection from High-Resolution Hyperspectral UAV Images

中国科学院遥感与数字地球研究所 / 英国曼切斯特城市大学

冬小麦条锈病是一种常见的严重影响产量的真菌疾病，给我国农业经济带来重大的损失，传统的条锈病检测方法常使用手工检测等方法，耗时耗力，极不方便。近年来，随着无人机与高光谱技术的发展，为大面积及高效快速监测小麦条锈病发病区提供了可能性。

本文以S185机载高光谱数据为实例，提出了一种基于深度卷积神经网络（DCNN）的方法，研究了自动识别冬小麦条锈病发病区的相关结论。结果表明，该方法的整体识别精度高达0.85，高于基于随机森林算法的0.77，为基于机载高光谱影像的农作物病害研究提供了较高的参考价值。

图1 左侧为本试验研究区域河北廊坊，右侧为S185机载高光谱数据的冬小麦分区图

图2 本研究所用DJI M600 Pro无人机搭载S185机载高光谱成像仪图3 冬小麦条锈病自动识别流程图

图4 基于滑动窗口的方法选取健康区域、发病区域等

图5 基于DCNN深度卷积神经网络自动识别小麦条锈病区的结构框图

图6 基于DCNN深度卷积神经网络算法的不同卷积层

图7 基于DCNN深度卷积神经网络算法的不同卷积层

图8 不同生长期的冬小麦DNCC算法识别条锈病精度

表1 不同生长期冬小麦模型处理模型对比

图9 冬小麦不同生长状态的光谱对比图

图10.基于不同算法的冬小麦条锈病病区提取结果

原文链接：http://www.mdpi.com/2072-4292/10/1/89/htm

产品列表

测量服务

摘要：

首页 ꄲ 遥感科学 ꄲ 基于S185机载高光谱的深度学习方法自动识别冬小麦条锈病研究

ꁸ 回到顶部
4006-507-608
ꁗ QQ客服
微信二维码

京公网安备 11010802029346号

© 京ICP备14030654号

留言板

服务

关注安洲科技官方微信

关于AZUP

끸

提交

上海

公司地址：上海市天山路641号上海慧谷1号楼300#

021-54155790 / 136-9359-7263 sh(at)azup.cn

西安

公司地址：西安市高新区唐延路37号国际公寓C座1106

029-81545954 / 183-0110-7913 xa(at)azup.cn

武汉
公司地址：武汉市武昌区复地东湖国际6期10栋1602

027-87336236 / 183-1035-0796 wh(at)azup.cn

广州

公司地址：广州市天河区元岗横路31号慧通广场B1-1422

020-28171197 / 157-0168-1823 gz(at)azup.cn

联系方式

销售部：4006-507-608 sales(at)azup.cn

技术部：010-62111182 service(at)azup.cn

市场部：010-62112652 marketing(at)azup.cn

北京（总部）

公司地址：北京市海淀区上地四街8号华成大厦一层

服务热线：4006-507-608 / 010-62111182 / 62112602

电子邮件：info(at)azup.cn

2020-01-03 涂层材料反射率测量.pdf

2020-01-03 纳米材料反射率测量.pdf

2020-01-03 镜面薄膜反射率测量.pdf

2020-01-03 金属材料反射率测量.caj

2020-01-03 WIRIS 热像仪在安防领域的应用.pdf

2020-01-03 S185机载高光谱用于监测雷区军事设施.pdf

2020-01-03 S185机载高光谱用于爆炸装置的伪装识别.pdf

2020-01-03 南昌航空大学利用ET100研究铝合金等发射率.caj

2020-01-03 美国桑迪亚大学利用410Solar测量太阳镜薄膜反射率.pdf

2020-01-03 美国纳米材料研究中心利用410Solar测量纳米材料反射率.pdf

2020-01-03 澳大利亚国立大学利用410Solar测量不同涂层材料反射率.pdf

2019-05-28 20181110 SOC710文献目录.pdf

2019-05-28 20181110 SEI地物光谱文献目录.pdf

2019-05-28 20181110 S185文献目录.pdf

2019-03-18 UAS sensors and data processing in agroforestry a review towards practical applications.pdf

2019-03-18 Unmanned Aerial Vehicle Remote Sensing for Field-Based Crop Phenotyping Current Status and Perspectives.pdf

2019-03-18 Retrieving Soybean Leaf Area Index from Unmanned Aerial Vehicle Hyperspectral Remote Sensing Analysis of RF, ANN, and SVM Regression Models.pdf

2019-03-18 Influence of the Viewing Geometry Within Hyperspectral Images Retrieved from Uav Snapshot Cameras.pdf

2019-03-18 Estimation of Winter Wheat Above-Ground Biomass Using Unmanned Aerial Vehicle-Based Snapshot Hyperspectral Sensor and Crop Height Improved Models.pdf

2020-08-26 WIRIS Pro 高性能机载热红外成像仪.pdf

2020-08-26 SOC系列高光谱成像光谱仪.pdf

2020-08-26 SEI高性能地物光谱仪.pdf

2020-08-26 S185 机载画幅式高速高光谱成像仪.pdf

2020-08-26 K6 科研级机载多光谱成像仪.pdf

2020-08-26 2020 安洲科技产品册I 无人机遥感.pdf

2020-08-26 425全波段高光谱成像系统.pdf

基于S185机载高光谱的深度学习方法自动识别冬小麦条锈病研究