技术文章

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

北京理加联合科技有限公司 >> 进入商铺

2023/12/29 13:16:31

被晒化的大地,被烘懒的万物,被汗水侵蚀的燥热......在烈日高悬的夏日,谁不想听见一声冰镇西瓜裂开的清脆,让清凉香甜的瓜瓤锁住一整个夏天的炙热。

作为夏日最解暑的水果,西瓜集万千宠爱于一身,也受到了霜霉病的青睐。霜霉病菌会在潮湿的环境中迅速繁殖,尤其是在温暖的夏季。这种病害会对西瓜植株造成严重的危害,从而影响果实的品质和口感。

在佛罗里达州的西瓜产量受到霜霉病的严重影响后,为了有效防治西瓜霜霉病,佛罗里达大学的研究团队进行了相关研究。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

佛罗里达州的西瓜产量受到包括霜霉病(DM)在内的各种病害的不利影响。准确的病害识别对于实施及时有效的管理策略至关重要。遥感工具,例如无人机(UAV)和高光谱成像,已被用于作物病害检测。先前的研究已成功利用遥感和机器学习(ML)对鳄梨和番茄等其他作物进行了病害检测。但是,关于使用遥感检测西瓜病害的研究有限。这项研究的目标是利用机器学习模型和光谱植被指数(VI)来检测和分类西瓜中霜霉病的不同严重程度。

在这项研究中,来自佛罗里达大学的研究团队通过Resonon Pika L室内平台系统(5个病害阶段:低、中(1和2水平)、高和非常高)及野外机载系统(2个阶段:低和高)分别测量了西瓜健康叶片和DM感染叶片的高光谱图像,选择感兴趣区域(ROI),将各种植被指数(VI)作为识别病害阶段的指标。利用多层感知器(MLP)和决策树(DT)两种分类模型来区分健康和DM感染植物。使用MLP来选择能够识别DM及其病害程度的最佳VI。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

(A)健康西瓜叶片和不同严重程度阶段的受DM感染的叶片(作为示例):(B)低(该图像包括感兴趣区域的示例);(C)中;(D)高。(E)Pika L高光谱相机在实验室中收集高光谱数据。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

田间DM严重程度阶段:(A)低;(B)高;(C)基于无人机的高光谱成像系统;(D)校准防水布。

【结果】

 

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

(A)5个病害严重程度(DS)阶段西瓜叶片的光谱反射特征(在实验室收集);(B)健康(H)和五个DS阶段西瓜叶片的相关系数。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

MLP和DT方法在实验室中区分健康(H)和西瓜DM几个DS阶段的分类结果。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

(A)田间收集高光谱图像的光谱反射特征;(B)健康、低和高霜霉病严重程度阶段西瓜植株的相关系数。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

MLP和DT方法检测田间西瓜感病植株与健康植株的分类结果。

【结论】

所选的最佳光谱VI对不同严重程度霜霉病的检测和识别具有较高的特异性和敏感性。由于叶片组成的微小变化(与健康植物相比),低DS阶段获得了较低的分类结果。MLP方法在高和非常高DS阶段(87-90%)获得了最高的分类结果,而DT方法在所有DS阶段获得了较低的分类结果(与MLP相比)。一些VI可用于DS阶段病害检测和分类。利用高光谱成像识别最重要的VI来检测和识别多个DS阶段将进一步增强病害检测的理解和特异性。未来的工作包括开发一种简单且廉价的基于无人机的传感器,该传感器基于之前的研究和开发,仅测量窄波段的光谱反射率(例如定制的多光谱相机),以特定波长为中心,用于田间DM早期检测。

 

相关产品

猜你喜欢

当前客户在线交流已关闭
请电话联系他 :