YOLO系列算法在草莓识别领域中的应用

YOLO系列算法具有实时目标识别能力,能够直接输出目标物体的位置、大小和类别等信息,具有较高的准确性和实时性,广泛应用于各种图像识别中。阐述了YOLO的主要版本:YOLOv1~YOLOv8,重点论述了YOLO在草莓识别领域的应用进展。最后讨论了YOLO在草莓识别领域所存在的问题及展望。

改进遗传算法优化的温室移动机器人单目相机标定

目的:针对温室移动机器人领域传统的张正友相机标定方法存在相机内参数的求解可能陷入局部最优解的问题,使用一种基于改进遗传算法的单目相机内参数优化方案。方法:首先使用张正友标定法得到初始的内参值,然后引入改进的遗传算法对内参初始值进行优化,最后将优化后的内参值代入相机成像模型,得到优化后的重投影误差。结果:将本算法优化后的重投影误差与标准算法和张正友标定法得到的进行比较,证明本研究标定的单目像机内部参数更加准确,标定速度和稳定性更好。结论:改进遗传算法平均重投影误差低于标准算法和张正友标定法,且图像主点坐标更接近参考值,能较好地缓解过早收敛和停滞现象,提高了标定精度,在温室移动机器人视觉应用系统中,本方法有较强的的实用价值。

GF-6/WFV与GF-1/WFV传感器数据对比

目的:利用GF-6和GF-1卫星高时空分辨率、覆盖范围广等特点,组网协同研究二者宽幅(WFV)传感器之间的差异。方法:基于同期过境的2对GF-6/WFV与GF-1/WFV影像数据,采用样区均值法进行地表反射率层面的交互对比分析,探究G F-6/WFV与GF-1/WFV波段光谱数据之间的定量关系,并构建线性转换方程。结果:GF-6/WFV与GF-1/WFV的观测能力具有较高的一致性,对应波段间线性回归方程的决定系数(R 2)均高于0.942。GF-1/WFV1、GF-1/WFV2与GF-6/WFV数据间的均方根误差(RMSE)在蓝光波段较小,但在绿光、红光和近红外波段的差异逐渐增大;总体上,GF-6/WFV的信号强度比GF-1/WFV低9%~14%,其低于GF-1/WFV1约9.327%,低于GF-1/WFV2约13.573%。经线性转换后的GF-1/WFV数据与G F-6/WFV数据的差异明显降低,GF-1/WFV1数据对应波段的RMSE降低56.435%,相对偏差率(ME)降低8.351%;GF-1/WFV2数据RMSE的降低率达60%以上,ME降低11.119%。结论:G F-6/WFV与GF-1/WFV的转换方程具有较高的准确性,可有效提升2颗卫星组网观测的一致性,对监测地表变化、采集地面信息等具有重要意义。本研究可为GF-6与GF-1卫星数据的协同观测和组网应用提供科学参考。

基于无人机多光谱影像植被指数与纹理特征的冬小麦地上部生物量估算

为了实现对冬小麦生物量的高效无损监测,于2020—2021年间设置田间试验,利用大疆精灵4多光谱版(P4M)无人机获取冬小麦6个关键生育期的多光谱影像,对冬小麦的地上部生物量(above-ground biomass,AGB)与多光谱影像的植被指数和纹理特征进行相关性分析,筛选特征变量,并分别采用线性回归、偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)3种方法构建基于不同特征组合的AGB估算模型。结果显示:植被指数与冬小麦AGB的相关性要高于纹理特征。将植被指数与纹理特征融合使用,在不同生育期不同算法下,均可有效地降低光谱特征的饱和现象,提升模型估算冬小麦生物量的精度。基于筛选的特征运用线性回归估算AGB时,孕穗期和成熟期的精度较好;而运用PLSR与RF估算生物量的最佳时期则是抽穗期。综上,植被指数耦合纹理特征可以有效地提高冬小麦生物量估算的效果,基于消费级无人机可在中小尺度上快速准确估算冬小麦生物量。

基于无人机多光谱影像的冬小麦花前期氮素营养估测

目的:利用多光谱无人机建立长江中下游地区冬小麦花前期氮素营养低成本、易推广、高效率的估测模型。方法:利用DJI Phantom 4 Multispectral相机获取4个氮素水平下3个冬小麦品种的多光谱影像数据,探讨植被指数对4种冬小麦氮素营养参数估测的敏感性,采用线性回归、随机森林和主成分分析算法构建冬小麦花前关键生育时期的氮素营养参数监测模型,筛选各时期氮素营养参数的最优估测模型。结果:所选9种植被指数均与氮素营养参数呈极显著相关。在拔节期,线性模型对氮素营养参数的预测性能最佳,R^(2)为0.87~0.94,nRMSE为8.44~12.49,RPD为2.79~4.08;在孕穗期,3种模型的估测性能相当;在抽穗期,随机森林和主成分回归模型的估测精度更高。结论:线性回归模型在拔节期和孕穗期,随机森林和主成分回归模型在冠层结构复杂的抽穗期,可实现冬小麦氮素营养参数的精准监测,研究可为长江中下游冬小麦氮素营养诊断和施肥决策提供科学参考。