基于无人机数码影像的水稻产量估测研究

发布时间：2020-05-20 19:34

【摘要】：水稻是我国的主要粮食作物,科学而准确地预测水稻的产量,不但能够提供及时、准确的农情信息,而且对农业政策的制定具有重要的意义。目前,水稻产量估测方法主要以卫星遥感估产为主,但其分辨率较低,误差较大,缺乏机理性,不能够进一步推广应用。因此本研究利用无人机平台搭载高清数码相机,拍摄水稻冠层影像,通过对数码图像进行处理,提取出水稻穗,然后基于水稻产量估算公式进行估产。本文主要研究内容及成果如下:(1)本研究利用无人机平台搭载高清数码相机,拍摄从抽穗期到成熟期的水稻冠层影像,对图像进行去噪预处理后,针对彩色水稻图像的颜色特征,将图像由RGB颜色空间转换到L*a*b*颜色空间,运用K均值聚类算法对水稻冠层图像进行聚类分析、图像分割,提取出水稻穗、获得水稻穗数量,然后进行产量估算。分别对不同日期拍摄的图像进行处理,其中对水稻齐穗期拍摄的图像进行聚类分割,提取出水稻穗的效果较好,估产精度较高,产量估计均方根误差和平均绝对百分误差分别为9.08和22.8%。(2)本研究对无人机拍摄的水稻冠层影像进行分类识别,初始选取了10个分类特征对水稻穗、水稻叶和背景进行分类,选取的特征包括图像像素级的R、G、B值、投影到HSV空间的H、S、V值,以及四个指数:归一化绿红差异指数(NGRDI)、红绿比值指数(RGRI)、绿叶指数(GLI)和过绿指数(EXG)的值。然后基于最优子集选择算法对10个分类特征进行优选,选出的分类模型特征为G、B、H、S、V、RGRI、GLI,再利用阈值分割法对图像进行分割,提取出水稻穗进行产量估算。对不同日期拍摄的图像进行处理,得出水稻齐穗期拍摄的图像分割结果较好,提取水稻穗的精度较高,产量估计均方根误差和平均绝对百分误差最小,分别为6.85和18.2%。把K均值聚类法和最优子集选择法的估产结果进行对比,得出最优子集选择法提取水稻穗的效果较好。(3)本研究基于最优子集选择算法分别对三米、六米和九米高度无人机拍摄的水稻图像进行特征选择与分类识别,初始选取的特征为R、G、B、H、S、V、NGRDI、RGRI、GLI和EXG,结果得出三个拍摄高度的图像分类识别误差均随模型特征数增加而减小,且当特征数大于7时,误差基本保持不变,因此三个高度均选择7个特征作为最优分类特征。然后利用阈值分割法对三个高度的水稻图像进行分割,提取出水稻穗进行估产。结果表明:三米高度的图像水稻穗识别精度高于六米和九米,水稻穗数估计平均绝对百分误差达到10.00%;三米高度的图像水稻产量估测精度高于六米和九米,产量估计平均绝对百分误差达到15.66%。
【图文】：

无人机,数码相机

无人机搭载数码相机Fig2.1UAVequippedwithdigitalcamera

分布图,小区,水稻,分布图

图 2.2 18 个水稻小区分布图Fig 2.2 Distribution of 18 rice plots 16 日，在沈阳农业大学另一处试验田进行图像采集试试验田做了 7 个处理，，分别为无氮处理（0kg/ha）、低氮
【学位授予单位】：沈阳农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;S511

【参考文献】