使用RGB和多光谱无人机图像以及机器学习来量化草剑中的物种组成
Joanna Pranga1,2, Irene Borra-Serrano3, Paul Quataert1
1Plant Sciences Unit, Flanders Research Institute for Agriculture, Fisheries and Food (ILVO), Melle, Belgium.
Frontiers in plant science
|July 4, 2024
概括
自动图像分析准确地绘制了草和三叶草在料剑中的地图. 该方法通过估计三叶草含量,改善育种和农场管理以获得更好的产量和质量,帮助精准农业.
科学领域:
- 农业科学 农业科学
- 遥感是一种远程传感.
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 草蔬菜混合物通过固增加了料产量,营养价值,生物多样性和土壤肥力.
- 准确评估豆类比例对于优化草豆类鱼繁殖和种植至关重要.
- 目前用于评估物种比例的方法可能是劳动密集型的,缺乏精度.
研究的目的:
- 开发和验证基于对象的自动图像分析 (OBIA) 方法,用于分类和绘制混合草三叶草剑中的物种.
- 通过无人机 (UAV) 的RGB和多光谱 (MS) 图像来评估OBIA的性能.
- 为了评估分类三叶草部分和实际干物质产量 (DMY) 之间的相关性,用于精密农业应用.
主要方法:
- 使用无人机捕获的RGB和十带MS图像开发了一个OBIA工作流.
- 工作流整合了结构 (天花板高度) 和光谱 (波段,植被指数) 变量.
- 使用随机森林机器学习算法进行图像细分和分类,并进行空间k-fold交叉验证以评估准确性.
主要成果:
- 在RGB和MS图像中,OBIA方法实现了大约70%的整体分类准确性.
- 草类和三叶草类表现出类似的F1分数,超过0.7,表明强大的分类性能.
- 在两种图像类型中,预测的三叶草分数和干物质产量 (DMY) 比例之间发现了强烈的正相关性 (R2 > 0.8).
结论:
- 开发的OBIA程序有效地自动化了草三叶草剑中的物种分类和绘制地图.
- 估计的三叶草覆盖面和DMY之间的强烈相关性凸显了精准农业的潜力.
- 这项技术可以帮助养殖者和农民通过精确的三叶草比例估计来优化料生产和管理.
