基于低空無人機高光譜成像和深度學習估計高密度棉田產(chǎn)量

                                          基于低空無人機成像和深度學習估計高密度棉田產(chǎn)量

中國的棉花種植。中國新疆棉花種植采用寬、窄行交錯的密植方式增產(chǎn)，導致在這種分枝重疊的田間難以利用遙感技術(shù)準確估算棉花產(chǎn)量。

不同模型復(fù)雜背景圖像的分割結(jié)果

 無人機高光譜成像和深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）被用來估計密集種植的棉花產(chǎn)量。無人機在高度 5 m 處獲取棉田圖像。

人工收獲棉鈴后稱重。然后，通過重組編碼器-解碼器并添加擴張卷積，構(gòu)建了一個改進的 DCNN 模型（CD-SegNet），

用于棉鈴圖像的像素級分割。此外，采用線性回歸分析建立棉鈴像素比與棉花產(chǎn)量之間的關(guān)系。

最后，通過稱重收獲的棉花來驗證四個棉田產(chǎn)量的估計值。

結(jié)果表明，CD-SegNet 優(yōu)于其他測試模型，包括 SegNet、支持向量機 (SVM) 和隨機森林 (RF)。

棉田產(chǎn)量估計的平均誤差低至 6.2%。

CD-SegNet分割結(jié)果與圖像中棉鈴面積比的比較。 

a 測量數(shù)據(jù)與 CD-SegNet 分割結(jié)果之間的相關(guān)性； b 相對誤差分析

                                                                           基于低空無人機成像的密植棉花產(chǎn)量估算是可行的