采用无人机遥感技术进行油菜品种识别,是产量预测及灾害评估的重要前提和基础.本研究利用无人机作为数据采集设备,以基地24个品种油菜苗期育种材料为识别数据,将无人机获取的影像进行拼接、裁剪、旋转等预处理,按照4:1划分训练集和测试集,构建注意力机制引导的卷积神经网络搭建油菜影像识别网络模型,并采用总体准确率、Kappa系数等评价参数对识别结果进行评价.结果表明,本研究的网络模型识别准确率和Kappa系数分别达到了89.60％和0.8894,高于5个经典网络模型.说明,注意力机制能够更加充分地提取无人机遥感影像的油菜特征,有效地提高卷积神经网络对不同品种油菜的识别精度.本研究网络模型弥补了传统油菜细分需要人力统计及现有方法设备成本高的缺陷,为采用无人机遥感技术进行作物品种识别提供技术支撑.

油菜;无人机遥感技术;品种识别;卷积神经网络;注意力机制

湖北工业大学电气与电子工程学院,湖北 武汉 430068;武汉大学遥感信息工程学院,湖北 武汉 430070;中国农业科学院油料作物研究所,湖北 武汉 430062

[1]李婕;李毅;张瑞杰;李俐俐;李礼;姚剑;乔江伟-.无人机遥感影像在油菜品种识别中的应用)[J].江苏农业学报,2022(03):675-684

无人机遥感影像,油菜品种,品种识别,无人机遥感技术,产量预测,灾害评估,研究利用,油菜苗期,育种材料,别数,拼接,裁剪,训练集,测试集,注意力机制,影像识别,识别网络,Kappa,评价参数,模型识别,识别准确率,不同品种,识别精度,研究网络,设备成本,作物品种

0.273323