基于低空无人机高光谱成像和深度学习估计高密度棉田产量

                                          基于低空无人机成像和深度学习估计高密度棉田产量

中国的棉花种植。中国新疆棉花种植采用宽、窄行交错的密植方式增产，导致在这种分枝重叠的田间难以利用遥感技术准确估算棉花产量。

不同模型复杂背景图像的分割结果

 无人机高光谱成像和深度卷积神经网络（DCNN）被用来估计密集种植的棉花产量。无人机在高度 5 m 处获取棉田图像。

人工收获棉铃后称重。然后，通过重组编码器-解码器并添加扩张卷积，构建了一个改进的 DCNN 模型（CD-SegNet），

用于棉铃图像的像素级分割。此外，采用线性回归分析建立棉铃像素比与棉花产量之间的关系。

最后，通过称重收获的棉花来验证四个棉田产量的估计值。

结果表明，CD-SegNet 优于其他测试模型，包括 SegNet、支持向量机 (SVM) 和随机森林 (RF)。

棉田产量估计的平均误差低至 6.2%。

CD-SegNet分割结果与图像中棉铃面积比的比较。 

a 测量数据与 CD-SegNet 分割结果之间的相关性； b 相对误差分析

                                                                           基于低空无人机成像的密植棉花产量估算是可行的