基于无人机高光谱的稻田杂草识别和空间分布研究

稗草是稻田中一种典型的杂草,会严重影响水稻的生长发育,并最终导致减产。由于其外观与水稻极其相似,难以区分,给治理带来了极大的挑战。基于室内环境下的稗草识别条件理想,难以推广,因此,在复杂稻田环境下对稗草进行识别和制图具有重要的研究价值和意义。首先,利用无人机载高光谱获取低空稻田影像,经拼接校正和SG(Savitzky-Golay)卷积平滑滤波后,采用连续投影算法(SPA)对区分水稻和稗草的敏感波段进行提取,基于全波段和特征波段,使用支持向量机(SVM)、随机森林(RF)、一维卷积神经网络(1DCNN)和三维卷积神经网络(3DCNN)进行建模。结果表明,SPA-3DCNN对水稻(0.9420)和稗草(0.8936)的识别效果最好。SPA选择的7个特征波段(482.5234、546.5415、675.0806、709.1382、762.0431、922.0157和944.6371 nm)对区分稗草和水稻具有重要的参考价值。随后,将模型应用于整个高光谱数据集,生成稗草的空间分布图与密度图。本文成功探索了无人机载高光谱在复杂稻田环境下稗草识别的可行性,并绘制了稗草空间分布图与密度图,为稗草的治理防范提供了有力的数据支撑。