使用机器学习方法校准无人机热传感器以提高农业应用的精度


发布时间:

2023-07-27

来源:

本站

作者:

PhenoTrait

准确的温度测量对于检测作物胁迫、管理灌溉和监测植被健康至关重要。然而,各种因素会影响热传感器,从而引入测量误差。为了解决这个问题,机器学习(machine learningML)算法被用于校准无人驾驶飞行器(unmanned air vehicleUAV)的热传感器测量。在这项研究中,商用的两种不同类型的无人机热传感器,包括Micasense AltumFlir Duo Pro-R (FDP-R),通过比较校准后的地面热测量值,对其性能进行了测试和评估。为此,使用随机森林、支持向量机、K-NNXGBoost五种不同的ML算法对无人机热传感器进行标定。结果表明,使用XGBoost进行热校准后,Micasense AltumRMSE降低了2.84◦C(4.23◦C降至1.39◦C)FDP-RRMSE降低了2.51◦C(3.84◦C降至1.33◦C),而Micasense AltumR20.89增加到0.96FDP-RR20.87增加到0.94。此外,还对校正后的温度测量值与高粱各表型参数(如叶面积指数、作物高度和土壤湿度)进行了相关分析。结果表明,两种传感器在相关系数方面表现良好。Micasense Altum 在作物高度和土壤湿度方面表现稍好(r = -0.78-0.59),而FDP-R在叶面积指数方面表现较好(r = -0.70)。这项研究展示了在精准农业任务中使用校准过的无人机热传感器的潜力,并强调了用地面测量验证校准的重要性。

 

1 研究区域的地理位置在巴夫拉平原内,该平原位于基耶省北部的Samsun省。

 

2 高粱灌溉试验小区布置。图内的数字表示处理。S1为全灌,S2S170%S3S140%S4为雨养控制。

3 Micasense AltumFDP-RTesto 875-i温度计在不同水温下的测量。

 

4 热传感器和温度计测量随时间的变化:(a) Micasense Altum;(b) FDP-R;(c) Testo 875-i手持成像仪。

 

5 校准和未校准无人机热传感器(Micasense AltumFDP-R)与地面测量(Testo 875-i)的比较。

 

6 不同高度热测量值与地面测量值的比较。

 

7 在不同无人机飞行高度(40米和120)下获得的研究地块示例热图(a) Micasense Altum(40)(b) FDP-R(40)(c) Micasense Altum(120)(d) FDP-R(120)

 

 

 

作者介绍(此处为文献作者主动投稿时,建议添加的内容)

来源(按参考文献格式撰写即可)Emre Tunca, Eyüp Selim Köksal, Sakine Çetin Taner. Calibrating UAV thermal sensors using machine learning methods for improved accuracy in agricultural applications, Infrared Physics & Technology, Volume 133, 2023, 104804, https://doi.org/10.1016/j.infrared.2023.104804.

链接(这篇文献的链接地址,读者点击阅读原文后可跳转到文献网址)

https://doi.org/10.1016/j.infrared.2023.104804

编辑(此处写上编辑的姓名或昵称或代号,就是你自己乐意展示给大家的名字)

王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。