利用无人机和深度学习来准确地检测小麦田中的草杂草:关于生物质和产量影响的研究
Tao Liu1, Yuanyuan Zhao1, Hui Wang2
1Cultivation and Construction Site of National Key Laboratory for Crop Genetics and Physiology in Jiangsu Province, Yangzhou University, Yangzhou, 225009, PR China.
Plant methods
|September 19, 2024
概括
使用无人机 (UAV) 和深度学习在小麦田中准确识别杂草至关重要. 这种方法精确检测杂草,使其能够评估其对小麦生物质和产量的重大负面影响.
科学领域:
- 农业科学 农业科学
- 植物科学 植物科学
- 遥感技术 遥感技术 遥感技术
背景情况:
- 杂草与作物竞争必需资源,降低了产量.
- 草杂草的早期阶段在视觉上与小麦幼苗相似,使识别变得复杂.
- 准确的杂草检测对于有效的作物管理和农药应用至关重要.
研究的目的:
- 开发和验证一种用于在小麦田中准确识别和提取杂草的方法.
- 量化杂草密度对小麦生物质和产量的影响.
- 建立在小麦种植中发现杂草的监测系统.
主要方法:
- 使用无人驾驶飞行器 (UAV) 在小麦田中获取图像.
- 应用深度学习算法和光谱分析用于杂草识别.
- 分析了杂草密度和小麦生长参数之间的关系.
主要成果:
- 实现了高杂草检测精度:91.27%在分散的小麦田和87.51%在钻井的田地.
- 观察到小麦生物质 (高达71%) 和产量 (高达60%) 与杂草密度增加的显著减少.
- 建立了一种强大的监测杂草侵袭及其影响的方法.
结论:
- 深度学习和基于无人机的光谱分析提供了在小麦中准确的杂草检测.
- 杂草侵袭显著减少小麦生物质和产量,需要有针对性的控制策略.
- 开发的监测方法为杂草管理和风险评估提供了有价值的数据.
