基于无人机遥感的大豆倒伏识别研究

doi:10.13733/j.jcam.issn.2095-5553.2024.09.032

摘要/Abstract

摘要：

为快速识别大豆倒伏情况，准确提取大豆倒伏面积，提出基于无人机遥感技术的方法对大豆倒伏情况进行判断。采用无人机获取大豆鼓粒期冠层可见光（RGB）图像及数字表面模型（DSM）图像，提取可见光波段信息并构建过绿植被指数（EXG）图像，将 3类特征图像进行图像特征融合，得到 DSM+RGB融合图像，DSM+EXG+RGB融合图像。利用最大似然法对 4种特征融合图像进行监督分类提取大豆倒伏面积，利用混淆矩阵方法验证各图像分类精度。结果表明，RGB图像、DSM图像、DSM+RGB特征融合图像、DSM+EXG+RGB特征融合图像提取倒伏大豆面积的整体精度分别为78. 36%、65. 38%、82. 84%、68. 41%。Kappa系数分别为 0. 75、0. 53、0. 81、0. 58，DSM+RGB特征融合图像提取大豆倒伏面积精度最高。图像特征融合方法可用于评估大豆倒伏情况，为快速提取大豆倒伏面积提供参考。

关键词: 大豆, 倒伏, 无人机, 特征融合, DSM, 最大似然法

Abstract:

To quickly identify the soybean lodging conditions，accurate extraction of the soybean lodging area，a method based on Unmanned Aerial Vehicle（UAV）remote sensing technology is proposed to judge the soybean lodging situation. Red.Green.Blue（RGB） images and digital surface model Digital Surface Model，（DSM） images of soybean drums were obtained by UAV，visible light information was extracted and Excess Green（EXG）images were constructed，by using 3 types of feature images into image features，DSM + RGB fusion images and DSM + EXG + RGB fusion images were obtained. The maximum likelihood method was used to extract the soybean lodging area，and to verify the classification accuracy of each image by using the confusion matrix method. The results showed that the overall accuracy of the lodging soybean area extracted by RGB images，DSM images，DSM + RGB feature fusion images，and DSM + EXG + RGB feature fusion images were，respectively 78. 36%，65. 38%，82. 84%，68. 41%. The Kappa coefficients were 0. 75， 0. 53，0. 81，and 0. 58，respectively，with the highest accuracy in soybean lodging area extracted from DSM + RGB feature fusion images. Image feature fusion method can be used to evaluate soybean lodging and provide a reference for rapid extraction of soybean lodging area.

Key words: soybean, lodging, UAV, characteristic fusion, digital surface model, maximum likelihood method

中图分类号:

S24
S127

吴宇通, 张伟, 石文强, 李金阳, 亓立强, . 基于无人机遥感的大豆倒伏识别研究[J]. 中国农机化学报, 2024, 45(9): 209-214.

Wu Yutong, Zhang Wei, Shi Wenqiang, Li Jinyang, Qi Liqiang, . Study on soybean lodging identification based on UAV remote sensing [J]. Journal of Chinese Agricultural Mechanization, 2024, 45(9): 209-214.

参考文献

［ 1］胡跃 .大豆茎秆相关性状 QTL定位［ D］.雅安：四川农业大学， 2018.

［ 2］董全中 .大豆倒伏相关性状的 QTL定位［ D］.哈尔滨：东北农业大学， 2019.

［ 3］赵立新，李繁茂，李彦，等 .基于无人机平台的直立作物倒伏监测研究展望［ J］.中国农机化学报， 2019，40（11）： 67-72.

Zhao Lixin， Li Fanmao， Li Yan， et al. Application prospect of crop lodging monitoring based on UAV platform［J］. Journal of Chinese Agricultural Mechanization，2019，40（11）：67-72.

［ 4］周平，周恺，刘涛，等 .水稻倒伏监测研究进展［ J］.中国农机化学报， 2019，40（10）：162-168.

Zhou Ping， Zhou Kai， Liu Tao， et al. Progress in monitoring research on rice lodging［J］. Journal of Chinese Agricultural Mechanization，2019，40（10）：162-168.

［ 5］胡琪，武红旗，轩俊伟，等 .基于无人机 DSM的小麦倒伏信息提取［ J］.安徽农业科学， 2020，48（16）：227-231.

Hu Qi， Wu Hongqi， Xuan Junwei， et al. Information extraction of wheat lodging based on DSM by UAV remote sensing［J］. Journal of Anhui Agricultural Sciences，2020， 48（16）：227-231.

［ 6］Chu T，Starek M J，Brewer M J，et al. Assessing lodging severity over an experimental maize（Zea mays L.） field using UAS images［J］. Remote Sensing，2017，9（9）：923.

［ 7］Murakami T， Yui M， Amaha K. Canopy height measurement by photogrammetric analysis of aerial images：Application to buckwheat（Fagopyrum esculentum Moench） lodging evaluation［J］. Computers and Electronics in Agriculture，2012，89：70-75.

［ 8］Chauhan S， Darvishzadeh R， Boschetti M， et al. Discriminant analysis for lodging severity classification in wheat using RADARSAT-2 and Sentinel-1 data［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2020，164：138-151.

［ 9］慕涛阳，赵伟，胡晓宇，等 .基于改进的 DeepLabV3+模型结合无人机遥感的水稻倒伏识别方法［ J］.中国农业大学学报， 2022，27（2）：143-154.

Mu Taoyao，Zhao Wei，Hu Xiaoyu，et al. Rice lodging recognition method based on UAV remote sensing combined with the improved DeepLabV3+ model［J］. Journal of China Agricultural University，2022，27（2）： 143-154.

［10］李宗南，陈仲新，王利民，等 .基于小型无人机遥感的玉米倒伏面积提取［ J］.农业工程学报， 2014，30（19）： 207-213.

Li Zongnan，Chen Zhongxin，Wang Limin，et al. Area extraction of maize lodging based on remote sensing by small unmanned aerial vehicle［J］. Transactions of the Chinese Society of Agricultural Engineering， 2014， 30（19）：207-213.

［11］董锦绘，杨小冬，高林，等 .基于无人机遥感影像的冬小麦倒伏面积信息提取［ J］.黑龙江农业科学， 2016（10）： 147-152.

Dong Jinhui，Yang Xiaodong，Gao Lin，et al. Information extraction of winter wheat lodging area based on UAV remote sensing image［J］. Heilongjiang Agricultural Science，2016（10）：147-152.

［12］张新乐，官海翔，刘焕军，等 .基于无人机多光谱影像的完熟期玉米倒伏面积提取［ J］.农业工程学报， 2019，35（19）：98-106.

Zhang Xinle， Guan Haixiang， Liu Huanjun， et al. Extraction of maize lodging area in mature period based on UAV multispectral image［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（19）： 98-106.

［13］赵静，潘方江，兰玉彬，等 .无人机可见光遥感和特征融合的小麦倒伏面积提取［ J］.农业工程学报， 2021，37（3）：73-80.

Zhao Jing， Pan Fangjiang， Lan Yubin， et al. Wheat lodging area extraction using UAV visible light remote sensing and feature fusion［J］. Transactions of the Chinese Society of Agricultural Engineering，2021，37（3）：73-80.

［14］Ursani A A，Kpalma K，Lelong C C D，et al. Fusion of textural and spectral information for tree crop and other agricultural cover mapping with very.high resolution satellite images［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2011，5（1）：225-235.

［15］周蓉 .大豆抗倒伏性评价体系的建立及主要农艺性状 QTL定位［ D］.武汉：华中农业大学， 2009.

［16］周春峰 .浅谈基于 ArcGIS软件的基础性地理国情监测数据生产［ J］.测绘与空间地理信息，2021，44（12）： 109-110.

Zhou Chunfeng. Discussion of data production of fundamental geographic condition monitoring based on ArcGIS［J］. Geomatics & Spatial Information Technology，2021，44（12）：109-110.

［17］李晓双，许言海，周启迪 .基于实景三维模型的 DOM数据生产研究［ J］.测绘与空间地理信息， 2022，45（S1）： 242-244.

Li Xiaoshuang， Xu Yanhai， Zhou Qidi. Research on DOM data production based on the real scene three-dimensional models［J］. Geomatics & Spatial Information Technology，2022，45（S1）： 242-244.
［18］李超 .基于高分辨率 DSM和遥感影像的建筑物提取［ J］.现代测绘， 2013，36（3）：39-40.
［19］梁永检，吴文志，施泽升，等 .基于无人机 RGB遥感的甘蔗株高估测［ J］.作物杂志， 2023（1）：226-232.

Liang Yongjian， Wu Wenzhi， Shi Zesheng， et al. Estimation of sugarcane plant height based on UAV RGB remote sensing［J］. Crops，2023（1）：226-232.
［20］李金阳，张伟，康烨，等 .基于无人机遥感技术的大豆苗数估算研究［ J］.中国农机化学报， 2022，43（4）：83-89.

Li Jinyang， Zhang Wei，Kang Ye， et al. Research on soybean seedling number estimation based on UAV remote sensing technology［J］. Journal of Chinese Agricultural Mechanization，2022，43（4）：83-89.
［21］赵立成，段玉林，史云，等 .基于无人机 DSM的小麦倒伏识别方法［ J］.中国农业信息， 2019，31（4）：36-42.
［22］杨卫，刘晓阳 .利用无人机获取林区 DSM的方法［ J］.资源信息与工程， 2019，34（6）：66-68.
［23］汪荃，陈军军 .基于 Sentinel-2时序影像的水稻种植信息提取［ J］.湖北农业科学， 2022，61（16）：175-181.

Wang Quan， Chen Junjun. Extracting rice planting information based on Sentinel-2 time series images［J］. Hubei Agricultural Sciences，2022，61（16）：175-181.
［24］李宗南，陈仲新，任国业，等 .基于 Worldview-2影像的玉米倒伏面积估算［J］.农业工程学报， 2016，32（2）：1-5. Li Zongnan， Chen Zhongxin， Ren Guoye， et al. Estimation of maize lodging area based on Worldview-2 image［J］. Transactions of the Chinese Society of Agricultural Engineering，2016，32（2）：1-5.
［25］吉海彦，任占奇，饶震红 .基于高光谱成像技术的不同产地小米判别分析［ J］.光谱学与光谱分析， 2019，39（7）： 2271-2277.

Ji Haiyan， Ren Zhanqi， Rao Zhenhong. Discriminant analysis of millet from different origins based on Hyperspectral Imaging Technology［J］. Spectroscopy and Spectral Analysis，2019，39（7）：2271-2277.

[1]	白志坤 , 陈兵 , 高山 , 刘太杰 , 陈子杰 . 农用无人机施药技术应用研究现状[J]. 中国农机化学报, 2024, 45(9): 54-61.
[2]	黄路生, 彭铭键, 高荣, 文晟, 兰玉彬, 张建桃, . 基于CiteSpace的农药雾滴润湿展布研究进展可视化分析[J]. 中国农机化学报, 2024, 45(8): 69-76.
[3]	李仁凤, 韩顺凯, 杨风波. 耦合风场四旋翼植保无人机下洗流与雾滴分布研究[J]. 中国农机化学报, 2024, 45(7): 81-86.
[4]	许天富, 赵海燕, 桑维钧, 刘健锋, 谢康, 孙光军. 基于CFD仿真植保无人机在各工况下对施药效果的影响[J]. 中国农机化学报, 2024, 45(7): 87-96.
[5]	张书贵, 陈书理, 赵展. 改进YOLOv8的农作物叶片病虫害识别算法[J]. 中国农机化学报, 2024, 45(7): 255-260.
[6]	罗翔, 曹晓林, 药林桃, 吴罗发, 曹中盛, 舒时富. 基于无人机影像的井冈蜜柚果树树形信息提取及产量估测[J]. 中国农机化学报, 2024, 45(5): 161-167.
[7]	李鹏, 石永康, 万晓燕. 四旋翼农业无人机模块化设计及有限元分析[J]. 中国农机化学报, 2024, 45(5): 210-216.
[8]	霍正瑞, 孙铁波. 基于改进YOLOv5算法的瓜蒌分级方法[J]. 中国农机化学报, 2024, 45(4): 100-107.
[9]	林远杨, 王彬, 黄尧, 粟超, 何敬, 刘刚, . 基于无人机影像的N、P对水稻生长的影响[J]. 中国农机化学报, 2024, 45(4): 186-192.
[10]	邱金凯, 许秀英, 康烨, 臧浩, 马锴, 郭志鹏. 基于语义分割的无人机图像西瓜果实提取研究[J]. 中国农机化学报, 2024, 45(3): 182-188.
[11]	赵胜利, , , 王国宾, , , 胡连槟, , , 徐海钰, , , 巩道财, , , 兰玉彬, , . 基于无人机多光谱遥感的棉花生长参数和产量估算[J]. 中国农机化学报, 2024, 45(2): 227-234.
[12]	陈鲁威, , 曾锦, , 袁全春, , 潘健, , 姚凤腾, , 吕晓兰, . 无人机遥感监测果树氮素含量研究进展[J]. 中国农机化学报, 2024, 45(2): 235-243.
[13]	刘敏, 周丽. 基于多尺度特征融合网络的苹果病害叶片检测[J]. 中国农机化学报, 2023, 44(8): 184-190.
[14]	魏源, 苏强, 曾扬鹃, 杜菁菁, 齐永顺, 王东升, . 基于多旋翼植保无人机的板栗飞防效果研究[J]. 中国农机化学报, 2023, 44(6): 82-88.
[15]	徐岚俊, 孙梦遥, 张传帅, 王迪, 李传友, 吴才聪. 不同农机驾驶方式对玉米播种出苗率的影响——基于无人机多光谱影像的测算[J]. 中国农机化学报, 2023, 44(6): 143-147.