当前位置: 首页 > 文章 > 利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测 麦类作物学报 2020,40 (8) 1002-1007
Position: Home > Articles > Prediction of Wheat Yield Using Color and Texture Feature Data of UAV Image at Early Growth Stage Journal of Triticeae Crops 2020,40 (8) 1002-1007

利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测

作  者:
刘欣谊;仲晓春;陈晨;刘涛;孙成明;李冬双;刘升平;王建军;丁大伟;霍中洋
单  位:
中国农业科学院农业信息化研究所;张家港市农业试验站;江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室扬州大学农学院
关键词:
小麦;无人机图像;颜色指数;纹理特征指数;生育前期;产量预测
摘  要:
为了实现基于无人机的小麦产量快速预测,通过不同种植密度、氮肥和品种的田间试验,应用无人机航拍获取小麦生育前期(越冬前期和拔节期)的RGB图像,通过图像处理获取小麦田间颜色和纹理特征指数,并在小麦收获后测定实际产量.通过分析不同颜色和纹理特征指数与小麦产量的关系,筛选出适合小麦产量预测的颜色和纹理特征指数,建立小麦产量预测模型并进行验证.结果 表明,小麦生育前期图像颜色指数与产量的相关性较好,而纹理特征指数相关性较差.对越冬前期利用单一颜色指数NDI构建的产量预测模型验证时,R2为0.541,RMSE为671.26 kg·hm-2;对拔节期用单一颜色指数VARI构建的产量预测模型验证时,R2为0.603,RMSE为639.78 kg· hm-2,预测结果比较理想,但不是最优.对越冬前期颜色指数NDI和纹理特征指数ENT相结合构建的产量预测模型验证时,R2和RMSE分别为0.629和611.82kg·hm-2,比单一颜色指数模型分别提升16.27%和减小8.85%;对拔节期颜色指数VARI和纹理特征指数COR相结合构建的产量预测模型验证时,R2和RMSE分别为0.746和510.29 kg·hm-2,较单一颜色指数模型分别提升23.71%和减小20.24%.上述结果说明,将无人机图像颜色和纹理特征指数相结合建立的估产模型精度较高,可在小麦生育前期对产量进行有效预测.
译  名:
Prediction of Wheat Yield Using Color and Texture Feature Data of UAV Image at Early Growth Stage

相似文章

计量
文章访问数: 8
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊