提取Ligusticum chuanxiong的花生植物. 基于基于无人机的RGB图像构建的特征变量组合的种植地块
Shihong Zhong1, Rui Gu2,3, Rong Ding2
1School of Pharmacy, Southwest Minzu University, Chengdu, China.
Frontiers in plant science
|November 26, 2025
概括
使用无人机 (UAV) RGB图像与特征变量相结合,提高了Ligusticum chuanxiong (LC) 种植地块的准确绘制. 这种方法提高了分类准确性,以更好地管理现场,并对这种重要的药用植物的产量进行估计.
科学领域:
- 农业遥感 农业遥感
- 地理空间分析是什么?
- 医用植物种植 医用植物种植
背景情况:
- 精确地绘制Ligusticum chuanxiong (LC) 的分布图对于其管理和产量预测至关重要.
- LC地块的高度碎片化对使用基于无人机的RGB遥感图像进行分类提出了挑战.
研究的目的:
- 用无人机RGB图像研究高精度提取LC种植地.
- 评估特征变量组合在提高分类准确性的有效性.
主要方法:
- 利用来自四个代表性站点的无人机RGB图像.
- 提取了颜色指数,纹理特征,颜色空间和数字升高模型,以形成特征变量组合.
- 采用基于像素和面向对象的分类方法 (KNN) 来构建提取模型.
主要成果:
- 用特征变量组合实现对象导向分类的准确度最高 (平均卡帕:0.92,整体准确度:92.92%).
- 与单独的RGB图像相比,这种方法使平均卡帕提高了0.14,整体精度提高了14.17%,F1得分提高了4.9%.
- 高F1分数 (平均97.90%) 表明所有地点的提取性能强.
结论:
- 特性变量组合可以提高从无人机RGB图像中取出LC图的精度,而无需额外的成本.
- 这些发现为远程探测类似的药用植物种植提供了理论和技术参考.
