基于低空无人机影像和改进Faster R-CNN的棉田杂草识别方法

为实现杂草精准防控、快速识别棉田杂草,本文基于低空无人机技术拍摄棉田苗期影像,以幼苗和杂草为研究对象,提出了一种改进Faster R-CNN的棉田杂草识别方法。改进1:特征提取网络采用融合FPN的ResNet50代替VGG16来训练模型,并对比VGG16、ResNet50和MobileNetv2的分类效果;改进2:针对Faster R-CNN模型设计适合小目标的锚尺度,其中对应的anchor尺度为{8×8,16×16,32×32},比例为{1∶2,1∶1,2∶1};改进3:训练过程在通过特征提取阶段后,采用双线性插值操作,避免两次量化对物体识别产生的影响;改进4:添加2个Dropout层,分别在特征提取网络之后的2个全连接层上,避免模型产生过拟合现象,增加了网络的鲁棒性。研究表明:融合FPN的ResNet50训练的的平均精确率比VGG16提高了3.82%,与ResNet50和MobileNetv2相比分别高出5.05%和18.38%,说明Faster R-CNN使用融合FPN的ResNet50具有最佳的性能,改进的Faster R-CNN模型对单张图像平均识别时间为0.289 s,平均精确率为89.19%;与YOLOv5s检测算法相比,改进的方法平均精确率提高了4.93%,表明本文方法在平均检测精度和平均识别时间占据一定的优势,具有更强的拟合性能。本文方法为精准除草提供一定的可行性和推广性,为实现田间杂草防控奠定理论基础。

多源影像融合及优化方法研究

单一传感器影像数据在时间、波谱、空间分辨率等方面存在一定的差异性和局限性,多源影像融合可以信息互补、丰富影像信息量。本文采用目前主流的Gram-Schmidt、高通滤波法、最邻近扩散算法、超分辨率贝叶斯法及改进算法等5种遥感影像融合算法,对资源三号卫星多光谱和快舟一号全色数据开展融合试验,通过目视解译、光谱保真度及空间信息融入度对影像融合质量进行综合评价,并对农田区HPF融合结果进行波段重组实验及优化处理。结果表明:HPF和Pansharp2算法融合效果最好,更适合资源三号影像的多源融合;Pansharp2算法对建筑区融合影像的融合效果最好,HPF算法对农田区及水域融合效果更佳;NDVI叠加波段空间融入评价指标最高,但建筑区及水域光谱扭曲严重,绿波段与近红外波段最适比例为8∶2,可有效提升影像融合效果,改善图像质量。

玛纳斯河径流演变的驱动因素研究

基于新疆北部玛纳斯河2000—2016年6100个河川日径流量实测数据,分析引起玛纳斯河流域径流量演变的驱动因素。运用因子分析、方差分析和回归分析对比地形因素、气象因素和随机性因素对径流量演变的影响。结果表明,除2004年外,2000—2006年日平均径流量的变异系数小于10%,属于低等程度的变异,2007—2016年日平均径流量变化有所增强。2000—2016年,随机性因素对径流量演变的影响增强,对径流量演变的贡献率由31.2%上升到58.1%,地形因素的贡献率下降,气象因素的贡献率处于60%的稳定状态。2000—2016年,径流量演变由受地形因素、气象因素和随机性因素共同影响变为更倾向于受气象因素和随机性因素的影响。