雜草作為農(nóng)業(yè)生產(chǎn)中的典型有害生物，對(duì)作物生長構(gòu)成了顯著的負(fù)面影響。在人口持續(xù)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(chǎn)量對(duì)于全球糧食安全的保障具有至關(guān)重要的作用。稻田雜草作為影響水稻生長與產(chǎn)量的關(guān)鍵因素，迫切需要采取有效的管理措施進(jìn)行控制。

      目前主要的除草方法包括人工、機(jī)械和化學(xué)除草?；瘜W(xué)除草具有經(jīng)濟(jì)性和高效性等特點(diǎn)，是目前大多數(shù)農(nóng)業(yè)地區(qū)主要的除草方式。然而，除草劑的不當(dāng)使用可能會(huì)給人類健康、環(huán)境和生態(tài)系統(tǒng)帶來潛在的風(fēng)險(xiǎn)。采用精準(zhǔn)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(shù)，結(jié)合機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)對(duì)稗草的有效識(shí)別！

高光譜成像技術(shù)的獨(dú)&特優(yōu)勢(shì)：結(jié)合了二維成像技術(shù)和光譜分析技術(shù)，具有分辨率高、信息量大、檢測(cè)速度快等優(yōu)點(diǎn)。無人機(jī)高光譜設(shè)備具有豐富的光譜信息，在雜草制圖方面具有巨大的應(yīng)用前景?；诘涂者b感稻田環(huán)境下的稗草識(shí)別更貼近實(shí)際生產(chǎn)情況，雜草空間分布圖的制作有利于指導(dǎo)精準(zhǔn)施藥。

• 本研究利用無人機(jī)載高光譜系統(tǒng)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(shù)，結(jié)合機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)對(duì)稗草的有效識(shí)別，節(jié)約人力物力資源。

優(yōu)勢(shì)：大面積監(jiān)測(cè)，非破壞性檢測(cè)，保持樣品完整、獲取樣品的空間分布信息。

      在飛行區(qū)域內(nèi)設(shè)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(yōu)勢(shì)：大面積監(jiān)測(cè)，地面分辨率高，非破壞性檢測(cè)，保持樣品完整、獲取整塊樣品的空間分布信息。

      對(duì)采集到的數(shù)據(jù)影像進(jìn)行拼接，后進(jìn)行輻射校正，將像元亮度值轉(zhuǎn)化為反射率。在研究區(qū)域內(nèi)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(diǎn)分布圖

      對(duì)采集到的原始光譜數(shù)據(jù)進(jìn)行平滑處理（如Savitzky-Golay濾波），減少噪聲。

優(yōu)勢(shì)：提高數(shù)據(jù)質(zhì)量，減少噪聲干擾。增強(qiáng)光譜信號(hào)的特征，提高分析的可靠性。

      利用高光譜成像技術(shù)獲取水稻與雜草的光譜信息，使用連續(xù)投影算法（SPA）提取光譜數(shù)據(jù)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(shù)據(jù)維度?；诰礁`差（RMSE）最小原則，篩選出對(duì)鑒別有重要貢獻(xiàn)的波段。

優(yōu)勢(shì)：提高模型性能，簡化模型。提取光譜信號(hào)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(shù)據(jù)結(jié)合分類樣本建模，使用隨機(jī)森林、支持向量機(jī)、一維卷積神經(jīng)網(wǎng)絡(luò)、三維卷積神經(jīng)網(wǎng)絡(luò)等方法進(jìn)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(biāo)輪廓，更加直觀地展示稗草的分布情況。對(duì)于區(qū)塊化管理的農(nóng)業(yè)，準(zhǔn)確獲取雜草覆蓋密度或病害侵?jǐn)_程度可直接為防治與精準(zhǔn)作業(yè)提供有力的信息支持。

      根據(jù)實(shí)際需求設(shè)定不同大小的窗口，對(duì)二值圖像切塊處理，統(tǒng)計(jì)每個(gè)小塊稗草像素的占比，賦予1到5的密度等級(jí)，制成稗草密度分布圖。

▲稗草密度圖

高光譜成像技術(shù)是了野外復(fù)雜條件下識(shí)別雜草的有效手段，能夠準(zhǔn)確區(qū)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(shù)據(jù)支持，使得分析更加全面和深入，提高了識(shí)別的準(zhǔn)確性和可靠性。通過SG濾波，增強(qiáng)水稻與稗草差異性；SPA提取的特征波段結(jié)合分類算法，實(shí)現(xiàn)了對(duì)雜草的快速提取。根據(jù)識(shí)別結(jié)果，以空間分布圖和密度圖的形式呈現(xiàn)做為應(yīng)用指導(dǎo)，與實(shí)際生產(chǎn)作業(yè)緊密相連，為精準(zhǔn)作業(yè)提供有力的數(shù)據(jù)支撐。

參考文獻(xiàn)

[1]顏?zhàn)右?沈奕揚(yáng),唐偉,等.基于無人機(jī)高光譜的稻田雜草識(shí)別和空間分布研究[J].激光生物學(xué)報(bào),2024,33(04):335-346.

ATH9010