基于低空無(wú)人機(jī)高光譜成像和深度學(xué)習(xí)估計(jì)高密度棉田產(chǎn)量

                                          基于低空無(wú)人機(jī)成像和深度學(xué)習(xí)估計(jì)高密度棉田產(chǎn)量

中國(guó)的棉花種植。中國(guó)新疆棉花種植采用寬、窄行交錯(cuò)的密植方式增產(chǎn)，導(dǎo)致在這種分枝重疊的田間難以利用遙感技術(shù)準(zhǔn)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(wú)人機(jī)高光譜成像和深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）被用來(lái)估計(jì)密集種植的棉花產(chǎn)量。無(wú)人機(jī)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(guò)重組編碼器-解碼器并添加擴(kuò)張卷積，構(gòu)建了一個(gè)改進(jìn)的 DCNN 模型（CD-SegNet），

用于棉鈴圖像的像素級(jí)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(guò)稱重收獲的棉花來(lái)驗(yàn)證四個(gè)棉田產(chǎn)量的估計(jì)值。

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

棉田產(chǎn)量估計(jì)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(cè)量數(shù)據(jù)與 CD-SegNet 分割結(jié)果之間的相關(guān)性； b 相對(duì)誤差分析

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