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