期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Transformer-FNN和无人机高光谱遥感技术的棉花黄萎病危害等级分类研究
被引量：
1
1
作者
廖娟
梁业雄
+7 位作者
姜锐
邢赫
何欣颖
王辉
曾浩求
何松炜
唐赛欧
罗锡文
《农业机械学报》
北大核心
2025年第2期240-251,共12页
针对目前使用无人机识别棉花黄萎病危害等级时,光谱数据冗余度高和传统机器学习模型识别精度不足等问题,采用无人机搭载Nano-Hyperspec高光谱成像仪采集棉田高光谱图像,通过探究棉花冠层对不同黄萎病危害等级的光谱响应特征,利用最优植...
针对目前使用无人机识别棉花黄萎病危害等级时,光谱数据冗余度高和传统机器学习模型识别精度不足等问题,采用无人机搭载Nano-Hyperspec高光谱成像仪采集棉田高光谱图像,通过探究棉花冠层对不同黄萎病危害等级的光谱响应特征,利用最优植被指数组合建立一种适用于黄萎病危害等级分类的监测模型,实现棉花黄萎病危害等级的精准分类。首先,利用最小冗余最大相关算法(Minimum redundancy maximum relevance,mRMR)对17种潜在的植被指数和270个光谱波段进行特征重要性排序,将mRMR筛选得到的特征,通过逐步递增分组的方式输入至极限梯度提升模型(eXtreme gradient boosting,XGBoost),确定与黄萎病危害等级相关性最高的植被指数和光谱特征波段。然后,基于Transformer架构和前馈神经网络(Feedforward neural network,FNN)构建Transformer-FNN棉花黄萎病危害等级分类模型,将植被指数与光谱特征波段输入Transformer-FNN模型进行分类识别,对比了植被指数与光谱特征波段对棉花黄萎病危害等级分类识别的准确性。最后,利用后向传播神经网络(Back propagation neural network,BPNN)、Transformer和支持向量机(Support vector machine,SVM)构建棉花黄萎病危害等级分类模型,并对这4种分类模型进行精度验证与对比分析。结果表明:棉花黄萎病等级分类的最优植被指数组合为MSR和TVI,最优特征波段组合为430、439、488、566、697、722、742、764、769、782、822、831、858、873、878、893、909、985 nm。基于Transformer-FNN模型,植被指数对黄萎病危害等级的总体分类精度为95.6%,较光谱特征波段的总体分类精度89.4%提高6.2个百分点。基于植被指数,Transformer-FNN模型对黄萎病危害等级的分类识别率比BPNN模型提高11.2个百分点,比Transformer模型提高17.2个百分点,比SVM模型提高30.8个百分点。研究提出了一种通过植被指数进行棉花黄萎病高精度监测方法,可为大面积棉花黄萎病精确监测提供有效措施。
展开更多
关键词
棉花黄萎病
Transformer-FNN
特征组合
mRMR-XGBoost
高光谱遥感
植被指数
在线阅读
下载PDF
职称材料
基于光谱波段-纹理特征-植被指数融合的棉蚜虫危害等级无人机监测研究
2
作者
廖娟
王辉
+5 位作者
梁业雄
何欣颖
曾浩求
何松炜
唐赛欧
罗锡文
《农业机械学报》
北大核心
2025年第5期91-102,共12页
棉蚜虫的精准无损检测对棉蚜虫害防治及棉花产量和品质的提升具有重要意义。本研究提出一种基于多特征融合的棉蚜虫危害等级(Cotton aphid damage levels,CADL)监测方法,融合棉花冠层光谱特征波长、植被指数和纹理特征,提高棉花蚜虫危...
棉蚜虫的精准无损检测对棉蚜虫害防治及棉花产量和品质的提升具有重要意义。本研究提出一种基于多特征融合的棉蚜虫危害等级(Cotton aphid damage levels,CADL)监测方法,融合棉花冠层光谱特征波长、植被指数和纹理特征,提高棉花蚜虫危害等级识别精度。采用无人机搭载高光谱成像系统采集棉花冠层高光谱图像,利用Savitzky-Golay平滑(SG平滑)和多元散射校正(MSC)对提取的光谱数据进行预处理,利用支持向量机(SVM)模型将预处理后的光谱数据进行建模,对比发现MSC表现更优。采用竞争性自适应重加权算法(CARS)和随机蛙跳算法(SFLA)对MSC预处理后的光谱数据进行特征波长一次提取,分别提取出31、37个特征波长。进一步使用连续投影算法(SPA)对特征波长进行二次提取,最终确定了6个棉蚜虫危害敏感波长,分别为650、786、931、938、945、961 nm。基于二次提取的6个特征波长,计算了9种植被指数和8种纹理特征,并分别分析了9种植被指数和8种纹理特征与棉蚜虫危害等级(CADL)的相关性。构建了LightGBM、XGBoost、SVM和RF模型,并基于以上模型对比了特征波长、植被指数、纹理特征,特征波长和植被指数2种特征相融合,以及特征波长、植被指数和纹理特征3种特征相融合对棉蚜虫危害等级的判定效果。结果表明,植被指数(RDVI、SAVI、MSAVI、OSAVI)和纹理特征(MEA、VAR、DIS、HOM)与CADL相关性较高。基于特征波长、植被指数和纹理特征3种特征相融合的XGBoost模型对棉蚜虫危害等级判定效果最佳,测试集总体分类精度(OA)达到86.99%,Kappa系数为0.8371,相较于仅使用特征波长、植被指数、纹理特征,特征波长和植被指数2种特征相融合的模型,测试集OA分别提升4.88、27.64、21.95、2.44个百分点。
展开更多
关键词
棉蚜虫危害等级
航空遥感
高光谱
纹理特征
多特征融合
在线阅读
下载PDF
职称材料
题名
基于Transformer-FNN和无人机高光谱遥感技术的棉花黄萎病危害等级分类研究
被引量：
1
1
作者
廖娟
梁业雄
姜锐
邢赫
何欣颖
王辉
曾浩求
何松炜
唐赛欧
罗锡文
机构
华南农业大学工程学院
华南农业大学南方农业机械与装备关键技术教育部重点实验室
农业装备技术全国重点实验室
广州商学院信息技术与工程学院
广东省农业人工智能重点实验室
出处
《农业机械学报》
北大核心
2025年第2期240-251,共12页
基金
国家重点研发计划项目(2022YFD2002400)
兵团财政科技计划项目(2023AB014)
+1 种基金
国家自然科学基金项目(31901401)
华南农业大学农业装备技术全国重点实验室开放基金项目(SKLAET-202405)。
文摘
针对目前使用无人机识别棉花黄萎病危害等级时,光谱数据冗余度高和传统机器学习模型识别精度不足等问题,采用无人机搭载Nano-Hyperspec高光谱成像仪采集棉田高光谱图像,通过探究棉花冠层对不同黄萎病危害等级的光谱响应特征,利用最优植被指数组合建立一种适用于黄萎病危害等级分类的监测模型,实现棉花黄萎病危害等级的精准分类。首先,利用最小冗余最大相关算法(Minimum redundancy maximum relevance,mRMR)对17种潜在的植被指数和270个光谱波段进行特征重要性排序,将mRMR筛选得到的特征,通过逐步递增分组的方式输入至极限梯度提升模型(eXtreme gradient boosting,XGBoost),确定与黄萎病危害等级相关性最高的植被指数和光谱特征波段。然后,基于Transformer架构和前馈神经网络(Feedforward neural network,FNN)构建Transformer-FNN棉花黄萎病危害等级分类模型,将植被指数与光谱特征波段输入Transformer-FNN模型进行分类识别,对比了植被指数与光谱特征波段对棉花黄萎病危害等级分类识别的准确性。最后,利用后向传播神经网络(Back propagation neural network,BPNN)、Transformer和支持向量机(Support vector machine,SVM)构建棉花黄萎病危害等级分类模型,并对这4种分类模型进行精度验证与对比分析。结果表明:棉花黄萎病等级分类的最优植被指数组合为MSR和TVI,最优特征波段组合为430、439、488、566、697、722、742、764、769、782、822、831、858、873、878、893、909、985 nm。基于Transformer-FNN模型,植被指数对黄萎病危害等级的总体分类精度为95.6%,较光谱特征波段的总体分类精度89.4%提高6.2个百分点。基于植被指数,Transformer-FNN模型对黄萎病危害等级的分类识别率比BPNN模型提高11.2个百分点,比Transformer模型提高17.2个百分点,比SVM模型提高30.8个百分点。研究提出了一种通过植被指数进行棉花黄萎病高精度监测方法,可为大面积棉花黄萎病精确监测提供有效措施。
关键词
棉花黄萎病
Transformer-FNN
特征组合
mRMR-XGBoost
高光谱遥感
植被指数
Keywords
cotton Verticillium wilt
Transformer-FNN
feature combination
mRMR-XCBoost
hy perspectral remote sensing
vegetation indices
分类号
S127 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于光谱波段-纹理特征-植被指数融合的棉蚜虫危害等级无人机监测研究
2
作者
廖娟
王辉
梁业雄
何欣颖
曾浩求
何松炜
唐赛欧
罗锡文
机构
华南农业大学工程学院
华南农业大学南方农业机械与装备关键技术教育部重点实验室
广东省农业人工智能重点实验室
出处
《农业机械学报》
北大核心
2025年第5期91-102,共12页
基金
国家重点研发计划项目(2022YFD2002400)
兵团财政科技计划项目(2023AB014)
国家自然科学基金项目(31901401)。
文摘
棉蚜虫的精准无损检测对棉蚜虫害防治及棉花产量和品质的提升具有重要意义。本研究提出一种基于多特征融合的棉蚜虫危害等级(Cotton aphid damage levels,CADL)监测方法,融合棉花冠层光谱特征波长、植被指数和纹理特征,提高棉花蚜虫危害等级识别精度。采用无人机搭载高光谱成像系统采集棉花冠层高光谱图像,利用Savitzky-Golay平滑(SG平滑)和多元散射校正(MSC)对提取的光谱数据进行预处理,利用支持向量机(SVM)模型将预处理后的光谱数据进行建模,对比发现MSC表现更优。采用竞争性自适应重加权算法(CARS)和随机蛙跳算法(SFLA)对MSC预处理后的光谱数据进行特征波长一次提取,分别提取出31、37个特征波长。进一步使用连续投影算法(SPA)对特征波长进行二次提取,最终确定了6个棉蚜虫危害敏感波长,分别为650、786、931、938、945、961 nm。基于二次提取的6个特征波长,计算了9种植被指数和8种纹理特征,并分别分析了9种植被指数和8种纹理特征与棉蚜虫危害等级(CADL)的相关性。构建了LightGBM、XGBoost、SVM和RF模型,并基于以上模型对比了特征波长、植被指数、纹理特征,特征波长和植被指数2种特征相融合,以及特征波长、植被指数和纹理特征3种特征相融合对棉蚜虫危害等级的判定效果。结果表明,植被指数(RDVI、SAVI、MSAVI、OSAVI)和纹理特征(MEA、VAR、DIS、HOM)与CADL相关性较高。基于特征波长、植被指数和纹理特征3种特征相融合的XGBoost模型对棉蚜虫危害等级判定效果最佳,测试集总体分类精度(OA)达到86.99%,Kappa系数为0.8371,相较于仅使用特征波长、植被指数、纹理特征,特征波长和植被指数2种特征相融合的模型,测试集OA分别提升4.88、27.64、21.95、2.44个百分点。
关键词
棉蚜虫危害等级
航空遥感
高光谱
纹理特征
多特征融合
Keywords
cotton aphid damage levels
aerial remote sensing
hyperspectral
texture feature
multifeature fusion
分类号
S127 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Transformer-FNN和无人机高光谱遥感技术的棉花黄萎病危害等级分类研究
廖娟
梁业雄
姜锐
邢赫
何欣颖
王辉
曾浩求
何松炜
唐赛欧
罗锡文
《农业机械学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于光谱波段-纹理特征-植被指数融合的棉蚜虫危害等级无人机监测研究
廖娟
王辉
梁业雄
何欣颖
曾浩求
何松炜
唐赛欧
罗锡文
《农业机械学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
