奧譜天成高光譜稻田雜草識別方案

      雜草作為農業生產中的典型有害生物，對作物生長構成了顯著的負面影響。在人口持續增長及新冠肺炎疫情的雙重影響下，糧食的重要性日益凸顯。水稻（Oryza sativa L.）作為全球主要糧食作物，其產量對于全球糧食安全的保障具有至關重要的作用。稻田雜草作為影響水稻生長與產量的關鍵因素，迫切需要采取有效的管理措施進行控制。

      目前主要的除草方法包括人工、機械和化學除草?；瘜W除草具有經濟性和高效性等特點，是目前大多數農業地區主要的除草方式。然而，除草劑的不當使用可能會給人類健康、環境和生態系統帶來潛在的風險。采用精準施藥是解決這一問題的有效途徑口。

      奧譜天成利用光譜分析以及特征提取技術，結合機器學習算法實現對稗草的有效識別！

高光譜成像技術的獨特優勢：結合了二維成像技術和光譜分析技術，具有分辨率高、信息量大、檢測速度快等優點。無人機高光譜設備具有豐富的光譜信息，在雜草制圖方面具有巨大的應用前景?；诘涂者b感稻田環境下的稗草識別更貼近實際生產情況，雜草空間分布圖的制作有利于指導精準施藥。

• 本研究利用無人機載高光譜系統ATH9010收集低空稻田遙感影像

• 利用光譜分析以及特征提取技術，結合機器學習算法實現對稗草的有效識別，節約人力物力資源。

優勢：大面積監測，非破壞性檢測，保持樣品完整、獲取樣品的空間分布信息。

      在飛行區域內設置黑白反射率板，用于輻射校正；飛行高度為30米，低空采集保證獲得更高的空間分辨率。

優勢：大面積監測，地面分辨率高，非破壞性檢測，保持樣品完整、獲取整塊樣品的空間分布信息。

      對采集到的數據影像進行拼接，后進行輻射校正，將像元亮度值轉化為反射率。在研究區域內均勻選擇水稻、稗草、成熟稗草和背景四種類型樣本，保證了樣本間的差異，有利于模型泛化能力的提升。

▲樣點分布圖

      對采集到的原始光譜數據進行平滑處理（如Savitzky-Golay濾波），減少噪聲。

優勢：提高數據質量，減少噪聲干擾。增強光譜信號的特征，提高分析的可靠性。

      利用高光譜成像技術獲取水稻與雜草的光譜信息，使用連續投影算法（SPA）提取光譜數據中的主要特征分量，從原始的高維特征集中選擇出最具信息的特征子集，以提高模型性能或簡化模型，降低數據維度?；诰礁`差（RMSE）最小原則，篩選出對鑒別有重要貢獻的波段。

優勢：提高模型性能，簡化模型。提取光譜信號的主要特征，保證分析的可靠性。

      采用特征篩選出的特征波長數據結合分類樣本建模，使用隨機森林、支持向量機、一維卷積神經網絡、三維卷積神經網絡等方法進行分類精度比較。

      基于雜草空間分布圖，通過圖像二值化的方式提取稗草像素，突出目標輪廓，更加直觀地展示稗草的分布情況。對于區塊化管理的農業，準確獲取雜草覆蓋密度或病害侵擾程度可直接為防治與精準作業提供有力的信息支持。

      根據實際需求設定不同大小的窗口，對二值圖像切塊處理，統計每個小塊稗草像素的占比，賦予1到5的密度等級，制成稗草密度分布圖。

▲稗草密度圖

高光譜成像技術是了野外復雜條件下識別雜草的有效手段，能夠準確區分水稻與雜草。高光譜成像融合了光譜信息與圖像信息，提供了豐富的數據支持，使得分析更加全面和深入，提高了識別的準確性和可靠性。通過SG濾波，增強水稻與稗草差異性；SPA提取的特征波段結合分類算法，實現了對雜草的快速提取。根據識別結果，以空間分布圖和密度圖的形式呈現做為應用指導，與實際生產作業緊密相連，為精準作業提供有力的數據支撐。

參考文獻

[1]顏子一,沈奕揚,唐偉,等.基于無人機高光譜的稻田雜草識別和空間分布研究[J].激光生物學報,2024,33(04):335-346.

ATH9010