图像识别农作物生长情况（孙成明教授团队）
图像识别农作物生长情况（孙成明教授团队）摘要：为实现小麦生物量田间快速无损监测，开展基于不同密度、氮肥和品种处理的田间试验，应用无人机获取小麦越冬前期、拔节期、孕穗期和开花期4个时期的RGB图像，通过影像处理获取小麦颜色指数和纹理特征参数，并同时期通过田间取样获取小麦生物量；分析不同颜色指数和纹理特征参数与小麦生物量的关系，筛选出适合小麦生物量估算的颜色和纹理特征指数。结果表明，不同时期图像颜色指数和小麦生物量均有较高的相关性，且大部分达到极显著相关水平；图像纹理特征指数与小麦生物量的相关性较差，只有少数指标达到显著或极显著相关水平。基于上述结果，研究利用相关性最高的颜色指数或颜色指数与纹理特征指数结合构建小麦不同生育时期的生物量估算模型，并通过独立的实测生物量数据对模型进行了验证，模型模拟值与实测值之间的相关性均达到了极显著水平（P<0.01），RMSE均较小。其中，颜色指数模型在4个时期的R2分别为0.538、0.63
引用格式
戴冕 杨天乐 姚照胜 刘涛 孙成明. 基于无人机图像颜色与纹理特征的小麦不同生育时期生物量估算[J]. 智慧农业(中英文) 2022 4(1): 71-83.
DAI Mian YANG Tianle YAO Zhaosheng LIU Tao SUN Chengming. Wheat biomass estimation in different growth stages based on color and texture features of UAV images[J]. Smart Agriculture 2022 4(1): 71-83.
点击直达知网阅读
点击直达官网阅读（全文，免费）
基于无人机图像颜色与纹理特征的小麦不同生育时期生物量估算
戴冕1，2， 杨天乐1，2， 姚照胜1，2， 刘涛1，2， 孙成明1，2*
（1.扬州大学 农学院， 江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室， 江苏扬州 225009；2.扬州大学， 江苏省粮食作物现代产业技术协同创新中心， 江苏扬州 225009）
摘要：为实现小麦生物量田间快速无损监测，开展基于不同密度、氮肥和品种处理的田间试验，应用无人机获取小麦越冬前期、拔节期、孕穗期和开花期4个时期的RGB图像，通过影像处理获取小麦颜色指数和纹理特征参数，并同时期通过田间取样获取小麦生物量；分析不同颜色指数和纹理特征参数与小麦生物量的关系，筛选出适合小麦生物量估算的颜色和纹理特征指数。结果表明，不同时期图像颜色指数和小麦生物量均有较高的相关性，且大部分达到极显著相关水平；图像纹理特征指数与小麦生物量的相关性较差，只有少数指标达到显著或极显著相关水平。基于上述结果，研究利用相关性最高的颜色指数或颜色指数与纹理特征指数结合构建小麦不同生育时期的生物量估算模型，并通过独立的实测生物量数据对模型进行了验证，模型模拟值与实测值之间的相关性均达到了极显著水平（P<0.01），RMSE均较小。其中，颜色指数模型在4个时期的R2分别为0.538、0.631、0.708和0.464，RMSE分别为27.88、516.99、868.26和1539.81 kg/ha。而颜色和纹理指数结合的模型在4个时期的R2分别为0.571、0.658、0.753和0.515，RMSE分别为25.49、443.20、816.25和1396.97 kg/ha，说明模型估算的结果是可靠的，且精度较高。同时结合无人机图像颜色和纹理特征指数的小麦生物量估测模型的效果要优于单一颜色指数模型。研究可为小麦田间长势实时监测与生物量估算提供新的手段。
关键词：小麦；无人机图像；颜色指数；纹理特征指数；生物量；纹理指数
文章图表
Fig. 1 Verification of wheat biomass estimation models based on color indices
Fig. 2 Verification of wheat biomass estimation models based on color and texture feature indices
Table 3 Correlations between different color indices and wheat biomass based on UAV image（n=24）
Table 4 Correlations between different texture feature indices and wheat biomass based on UAV image
Fig. 1 Verification of wheat biomass estimation models based on color indices
Fig. 2 Verification of wheat biomass estimation models based on color and texture feature indices
作者简介
孙成明 教授
孙成明博士，教授，博士生导师，现任扬州大学农学院农村发展与信息技术系主任、扬州大学智慧农业研究院骨干成员。主要在作物生长模型、稻麦生长监测与图像识别、农业物联网设计与应用等方面开展了较为系统的研究工作。先后主持国家自然科学基金面上项目2项、国家重点研发计划子课题1项、国际合作项目2项以及其他各级课题10余项，作为主要完成人参加国家自然科学基金、国家“973”计划以及省部级课题等多项；在国内外主流期刊上发表研究论文150余篇，参编专著2部、教材1部。申请发明专利16项、获授权发明专利9项、实用新型专利7项、软件著作权20余项。获省部级科技奖2项。
来源：《智慧农业（中英文）》2022年第1期
转载请联系编辑部授权
本期支持单位
京蓝云智物联网技术有限公司
浙江臻善科技股份有限公司
潍柴雷沃重工股份有限公司
小
店
欢迎光临选购
微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动的宣传推广
