基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

发布时间：2023-04-09 04:54

　　【目的】结合传统与现代农业病虫害监测的优缺点,探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。【方法】使用无人机获取原始高光谱图像,经过光谱预处理和特征工程后,采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合,基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法,建立分类模型。【结果】基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve,AUC)分别为0.883 0和0.912 0,分类准确率均超过95%;提取出698和762 nm的特征波长组合,基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。【结论】基于特征波长建模在患病样本分类中表现出很高的准确率,证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。

【文章页数】：9 页

【文章目录】：
1 材料与方法
    1.1 试验地概况
    1.2 高光谱数据采集及预处理
        1.2.1 无人机高光谱数据采集
        1.2.2 高光谱图像预处理
    1.3 特征工程
        1.3.1 异常数据剔除
        1.3.2 过采样处理
        1.3.3 特征波长提取
    1.4 模型的建立与评价
    1.5 数据集设置
2 结果与分析
    2.1 特征波长数的最优结果
    2.2 基于全波段的柑橘患病植株分类结果
        2.2.1 BP神经网络
        2.2.2 XgBoost
    2.3 基于特征波段的分类模型及效果
    2.4 模型效果评估对比
3 结论



本文编号：3787101