基于模擬無人機(jī)平臺的油菜和雜草圖像處理及分類研究.pdf

1、我國是油菜大國，然而實際生產(chǎn)中油菜田出現(xiàn)的雜草問題亟需解決。本文以油菜—浙雙758及油菜田間常見的4種雜草為研究對象，分別以低空多光譜遙感、低空機(jī)器視覺以及高光譜圖像三種途徑探究對油菜及雜草進(jìn)行分類的可能性。主要研究內(nèi)容為:
　　(1)搭載在模擬無人機(jī)平臺的D90單反相機(jī)對油菜和雜草植株進(jìn)行拍攝獲取數(shù)據(jù)，使用圖像自動拼接技術(shù)并自動截取出目標(biāo)區(qū)域并分割出植株?；谏疃染矸e神經(jīng)網(wǎng)絡(luò)對油菜和雜草進(jìn)行分類，嘗試多種系統(tǒng)架構(gòu)并優(yōu)選，挑選出卷

2、積濾波數(shù)目分別為32、32、32的CNN-1架構(gòu)預(yù)測集精度，平均分類精度accuracy'-test可達(dá)90.2％。并且研究了模擬無人機(jī)平臺飛行參數(shù)包括拍攝高度、運行速度對油菜和雜草分類效果的影響。
　　(2)搭載在模擬無人機(jī)平臺的ADC多光譜相機(jī)對油菜和雜草植株進(jìn)行拍攝獲取數(shù)據(jù)，使用圖像自動拼接技術(shù)并自動截取出目標(biāo)區(qū)域分割出植株。對各植株提取各自的多種植被指數(shù)，優(yōu)選出NIR/R以及包括NIR/R、NIR/G、R/G的比值特征指數(shù)

3、組用于分類建模;基于優(yōu)選的植被指數(shù)進(jìn)行預(yù)測分類時，ELM模型的效果最優(yōu)，平均預(yù)測集精度accuracy'-test為95.71％。對各植株區(qū)域提取各自的紋理特征并用于分類建模，BPNN模型效果最優(yōu)，平均預(yù)測集精度accuracy'-test為88.57％?；谥脖恢笖?shù)的分類效果優(yōu)于紋理特征。并研究了試驗先后時間以及模擬無人機(jī)平臺飛行參數(shù)包括拍攝高度、運行速度對油菜和雜草分類效果的影響。
　　(3)分別基于油菜與雜草冠層高光譜圖像的