三明队研究水稻 自动分类识别模型

版次:04 来源:中国信息报    2024年06月11日

  本报讯 目前,福建省农业调查中的粮食调查,主要通过传统野外调查方式进行,这种方式工作量大,耗时长,且由于福建耕地“小而散”的特点,调查底图与实际场景会有差距,难以满足现代农业调查的需求。对此,国家统计局三明调查队通过实地采集水稻的无人机影像数据,利用水稻的空谱遥感特征,研究水稻的人工智能自动化识别模型,打通农业统计外业调查中调查地块自动填报的技术环节,充分发挥无人机技术的应用价值。

  据了解,要想自动识别调查地块的作物必须先将特征不同的地块进行分割,三明队首先着力构建构建SAM模型。这是一款通用的物体分割模型,它通过深度学习和大量训练数据,自动学习不同物体的特征,能够在不需要任何标准的情况下,对任何图像中的任何物体进行分割。在地块分割完毕后,三明队再使用随机森林算法将分割后的地块进行分类。

  在实际操作过程中,三明队选取了8幅不同农业场景的无人机影像进行实验,影像数据均为2022年三明市无人机夏播实地调查影像。在选取调查影像后,三明队将无人机影像直接输入至SAM模型中进行分割,筛选删除面积小于一定阈值的图斑,阈值根据耕地破碎程度确定,并将明显的道路、地块间隙等非耕地地块的图斑删除,最终输出耕地地块分割结果。

  在地块分类时,三明队将地块类型视为目标变量,分为水稻地块和非水稻地块。针对光谱、纹理特征设计可量化的特征变量引入HSL颜色空间和LBP纹理算子更好地表达地块的光谱和纹理特征。通过计算NHLVI图像和LBP特征图中每个地块的平均值、标准差、协方差等统计特征得到量化特征值从而进行分类。并对分类结果用制图精度、用户精度、Kapp系数和总体分类精度4个指标进行验证。从整体结果来看,即使由于三明地区种植结构较为复杂,存在一些作物的光谱和纹理特征与水稻相近,但水稻依然能够被准确地识别出来,整体分割精度达到88.46%。

  通过水稻人工智能自动化识别模型的研究,三明队进一步支撑了基于无人机的智能化调查模式,可实现无人机自动飞行、自动传图、自动成图、自动解译、自动填报的一体化过程,调查人员只需操作无人机和软件界面,就可以完成水稻统计调查的全过程,极大减轻基层负担。何竟

作者:何竟
此报纸需要付费才能观看
激活报卡 购买报纸
激活成功后,该报卡号将与您的账号绑定,将不能取消或者修改
已激活成功