基于无人机遥感影像的沃柑产量估测方法OA

基于利用深度学习技术,从无人机多光谱影像中提取融合树冠光谱特征和株高特征,探索沃柑产量预估方法,可为快速准确获取沃柑产量提供理论和实践基础。在广东韶关南雄沃柑基地,随机选取99株柑橘树样本,人工调查统计各单株挂果数量,通过多光谱无人机获得多光谱遥感影像数据及数字表面模型(digital surface model,DSM),通过Python处理DSM获得株高影像。将无人机获取的不同波段RGB影像、多光谱影像与株高影像进行分组,分别采用ResNet18、ResNet34和MobileNetV2进行训练,随后对模型预测精度进行比较分析,筛选较优的产量估测模型。结果表明,基于RGB影像的ResNet18、ResNet34和MobileNetV2模型的估产精度分别为89.93%、89.72%和83.97%,决定系数(R^(2))分别为0.7121、0.6874和0.4137。当训练数据由RGB影像和株高影像组成时,ResNet18、ResNet34和MobileNetV2的估产精度分别为90.29%、90.36%和83.63%,R^(2)分别提高至0.7500、0.7226和0.5522。当训练数据由RGB影像和多光谱影像组成时,ResNet18、ResNet34和MobileNetV2的估产精度分别为91.14%、91.14%和83.79%,R^(2)分别为0.7714、0.7857和0.8297。当训练数据由RGB影像、多光谱影像和株高影像数据组成时,ResNet18、ResNet34和MobileNetV2的估产精度分别为91.43%、91.06%和86.34%,R^(2)值分别为0.7971、0.8297和0.5667。以RGB影像组合株高影像及多光谱影像数据建立的单株挂果量预测模型具有较高的预测精度及决定系数;无人机多光谱影像和株高影像数据融合,使用深度学习方法进行沃柑产量预估,最佳模型(ResNet34)平均精度为91.06%,R^(2)为0.8297,可以用于快速准确预估沃柑单株产量。研究为利用无人机多光谱影像进行柑橘产量快速精准预估提供了理论与实践依据。