基于无人机多光谱图像的水稻品种鉴定

TP391.4%S511; [目的]为解决传统人工水稻品种鉴定程序复杂的问题,建立一种快速鉴定水稻品种模型,利用多光谱成像技术对水稻叶色进行分析.[方法]分别利用线性拟合、多层感知器、径向基函数和随机森林4 种机器学习算法模型,采用大疆精灵4多光谱版无人机航拍获得多光谱数据,对数据特征提取后得到的植被指数进行建模分析.通过输入不同组合的植被指数,筛选出准确率最高的变量组合.[结果]发现多层感知器模型对水稻品种的识别准确率可达 94.87%,比线性拟合模型、径向基函数模型、随机森林模型的准确率分别高 41.3%、8.55%、16.24%.将精度最高、拟合程度最好的多层感知器模型确定为最优模型.[...

Full description

Saved in:
Bibliographic Details
Published in南京农业大学学报 Vol. 46; no. 5; pp. 995 - 1003
Main Authors 陈裕锋, 冯佩雯, 凌金生, 张书琪, 余振鹏, 熊琳琳, 刘洪, 谢家兴
Format Journal Article
LanguageChinese
Published 华南农业大学电子工程学院(人工智能学院),广东 广州 510642%华南农业大学农学院,广东 广州 510642%华南农业大学电子工程学院(人工智能学院),广东 广州 510642 15.09.2023
广东省农情信息监测工程技术研究中心,广东广州 510642
岭南现代农业科学与技术广东省实验室,广东广州 510642
Subjects
vegetation index
identification
鉴定
机器学习
多光谱图像
variety
品种
multi-spectral image
植被指数
水稻
rice
machine learning
Online AccessGet full text
ISSN1000-2030
DOI10.7685/jnau.202208031

Cover

More Information
Summary:TP391.4%S511; [目的]为解决传统人工水稻品种鉴定程序复杂的问题,建立一种快速鉴定水稻品种模型,利用多光谱成像技术对水稻叶色进行分析.[方法]分别利用线性拟合、多层感知器、径向基函数和随机森林4 种机器学习算法模型,采用大疆精灵4多光谱版无人机航拍获得多光谱数据,对数据特征提取后得到的植被指数进行建模分析.通过输入不同组合的植被指数,筛选出准确率最高的变量组合.[结果]发现多层感知器模型对水稻品种的识别准确率可达 94.87%,比线性拟合模型、径向基函数模型、随机森林模型的准确率分别高 41.3%、8.55%、16.24%.将精度最高、拟合程度最好的多层感知器模型确定为最优模型.[结论]多层感知器分类模型对水稻的平均分类准确率最高,能够较好实现水稻品种鉴定的功能.
ISSN:1000-2030
DOI:10.7685/jnau.202208031