基于无人机的多光谱影像评估马铃薯晚疫病


发布时间:

2021-05-05

来源:

本站

作者:

PhenoTrait

传统的晚疫病检测和制图方法非常耗时,需要大量人工,并且多数具有主观性。本文评估了一种基于无人机的多光谱图像评估和检测马铃薯晚疫病的方法。该方法结合形态学运算,对随机森林、梯度增强分类器、支持向量分类器、线性支持向量分类器和K近邻分类器等五种机器学习算法检测晚疫病的性能进行了评价。该方法的主要步骤分为:(i)原始图像的辐射和几何校正;(ii)应用阈值技术去除土壤和杂草;(iii)使用ML算法的监督分类程序;(iv)使用训练模型对新数据集进行分类。

 

从基于无人机的影像评估LB的研究工作流程

 

研究人员在在一个马铃薯试验田的两个数据上对该方法的性能进行了评价。结果表明,就准确性指标和运行时间而言,线性支持向量分类器和随机森林算法均具有最佳性能。研究表明,该方法可以在几乎没有人为干预的情况下检测到晚疫病。

 

删除图像背景步骤

 

每个正在研究的数据集的分类结果

 

来源:

Rodríguez J, Lizarazo I, Prieto F, et al. Assessment of potato late blight from UAV-based multispectral imagery. Computers and Electronics in Agriculture. https://doi.org/10.1016/j.compag.2021.106061.

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。