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
基于无人机多源遥感数据和机器学习的高通量棉花估产研究
被引量：
1
2
作者
冯美臣
苏悦
+3 位作者
林涛
余汛
宋扬
金秀良
《农业机械学报》
北大核心
2025年第3期169-179,共11页
为综合利用光谱、冠层结构、纹理特征等信息对棉花进行无人机(Unmanned aerial vehicle,UAV)遥感产量估算并系统地分析光谱、冠层结构、纹理特征等信息对估产的贡献程度,本文在构建基于多源UAV数据棉花估产机器学习模型的基础上,进一步...
为综合利用光谱、冠层结构、纹理特征等信息对棉花进行无人机(Unmanned aerial vehicle,UAV)遥感产量估算并系统地分析光谱、冠层结构、纹理特征等信息对估产的贡献程度,本文在构建基于多源UAV数据棉花估产机器学习模型的基础上,进一步确定了估产的最佳生育时期,并对比了多源传感器数据在棉花产量估算中的效果,最后量化了各类输入特征的贡献度。采集棉花冠层RGB(Red green blue)、多光谱(Multispectral,MS)和激光雷达(Light detection and ranging,LiDAR)3种传感器数据,通过对棉花光谱植被指数与产量进行相关性分析,确定了棉花产量估算最佳生育时期,进而构建了基于偏最小二乘法回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、极致梯度提升(Extreme gradient boost,XGBoost)3种机器学习模型的棉花产量估算方法,并评估了基于2种最常用的传感器(RGB和MS相机)的性能。最终确定了光谱特征、冠层结构、纹理特征这3类特征信息在产量估算中的贡献度。研究结果表明,盛花期是棉花估产的最佳生育时期;基于盛花期的UAV数据,XGBoost模型取得了最高的产量估算精度(R^(2)为0.70,RMSE为611.31 kg/hm^(2),rRMSE为10.60%),在对比基于RGB和MS图像数据提取的特征时,基于MS图像数据提取的特征建模结果更好,同时将RGB和MS相机2种传感器数据提取的特征作为输入时,模型结果高于单一传感器;使用夏普利加性解释(Shapley additive explanations,SHAP)算法分析了机器学习模型中各个输入特征对于估产的贡献度,发现基于3种传感器的3种特征信息在产量估算方面都具有重要意义,其中,纹理特征与冠层结构在产量估算中展现出了较好的潜力。本研究可为棉花智慧化管理中高通量棉花产量估算提供理论和技术支持。
展开更多
关键词
棉花
估产
无人机遥感
多源数据
XGBoost
夏普利加性解释
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
基于无人机多源遥感数据和机器学习的高通量棉花估产研究
被引量：
1
2
作者
冯美臣
苏悦
林涛
余汛
宋扬
金秀良
机构
山西农业大学农学院
中国农业科学院作物科学研究所
新疆农业科学院经济作物研究所
农业农村部荒漠绿洲作物生态与耕作重点实验室
出处
《农业机械学报》
北大核心
2025年第3期169-179,共11页
基金
国家自然科学基金项目(42471361、31960386)
新疆维吾尔自治区重点研发项目(2024B02004)
+3 种基金
中央引导地方科技发展资金项目(ZYYD2024CG23)
新疆农业科学院农业科技创新稳定支持专项(xjnkywdzc-2023007)
新疆“天山英才”培养计划项目(2023TSYCTD004)
自治区财政专项“数字棉花科技创新平台”建设项目。
文摘
为综合利用光谱、冠层结构、纹理特征等信息对棉花进行无人机(Unmanned aerial vehicle,UAV)遥感产量估算并系统地分析光谱、冠层结构、纹理特征等信息对估产的贡献程度,本文在构建基于多源UAV数据棉花估产机器学习模型的基础上,进一步确定了估产的最佳生育时期,并对比了多源传感器数据在棉花产量估算中的效果,最后量化了各类输入特征的贡献度。采集棉花冠层RGB(Red green blue)、多光谱(Multispectral,MS)和激光雷达(Light detection and ranging,LiDAR)3种传感器数据,通过对棉花光谱植被指数与产量进行相关性分析,确定了棉花产量估算最佳生育时期,进而构建了基于偏最小二乘法回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、极致梯度提升(Extreme gradient boost,XGBoost)3种机器学习模型的棉花产量估算方法,并评估了基于2种最常用的传感器(RGB和MS相机)的性能。最终确定了光谱特征、冠层结构、纹理特征这3类特征信息在产量估算中的贡献度。研究结果表明,盛花期是棉花估产的最佳生育时期;基于盛花期的UAV数据,XGBoost模型取得了最高的产量估算精度(R^(2)为0.70,RMSE为611.31 kg/hm^(2),rRMSE为10.60%),在对比基于RGB和MS图像数据提取的特征时,基于MS图像数据提取的特征建模结果更好,同时将RGB和MS相机2种传感器数据提取的特征作为输入时,模型结果高于单一传感器;使用夏普利加性解释(Shapley additive explanations,SHAP)算法分析了机器学习模型中各个输入特征对于估产的贡献度,发现基于3种传感器的3种特征信息在产量估算方面都具有重要意义,其中,纹理特征与冠层结构在产量估算中展现出了较好的潜力。本研究可为棉花智慧化管理中高通量棉花产量估算提供理论和技术支持。
关键词
棉花
估产
无人机遥感
多源数据
XGBoost
夏普利加性解释
Keywords
cotton
yield estimation
unmanned aerial vehicle remote sensing
multi-source data
xcboost
SHAP
分类号
S31 [农业科学—作物栽培与耕作技术]
TP79 [自动化与计算机技术—检测技术与自动化装置]
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
基于无人机多源遥感数据和机器学习的高通量棉花估产研究
冯美臣
苏悦
林涛
余汛
宋扬
金秀良
《农业机械学报》
北大核心
2025
1
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
