基于无人机RGB图像和深度学习的豚草识别方法OA

利用无人机遥感技术对入侵性植物物种豚草(Ambrosia artemisiifolia)的检测与识别是进行防治根除、控制其蔓延的基础部分和重要前提。对于野外生境下的豚草植株,由于其大小不均、分布散乱、易与其他草类植被混淆等生长特点,使得传统方法对其进行精细识别的精度较低。本研究基于深度语义分割方法,对野外生长的豚草植株进行高精度识别研究,以期实现高精度识别的目的。为验证深度语义分割方法对野外生境下豚草植株监测识别的有效性,利用无人机收集辽宁省锦州市太和区102国道旁地块的可见光影像,进行近地实时拍摄。构建样本数据集并基于Unet-Resnet50算法训练深度学习模型,利用训练好的模型增加样本数据集优化模型,分别对训练集和测试集图像进行识别,得到识别结果,并对模型效果进行泛化能力测试。结果表明,在计算机平台上,该网络模型实现了较高的像素准确率,识别精度高达97%,Kappa系数达到0.96,对野外复杂生境下的豚草植株有较好的识别效果,验证了深度语义分割方法识别豚草的可行性,为后续杂草识别提供参考,从而便于有针对性地防除杂草。