低空无人机遥感在油料作物表型分析中的应用.pdf
《低空无人机遥感在油料作物表型分析中的应用.pdf》由会员分享,可在线阅读,更多相关《低空无人机遥感在油料作物表型分析中的应用.pdf(12页珍藏版)》请在文库网上搜索。
1、浙江大学学报(农业与生命科学版)49(4):472 483,2023Journal of Zhejiang University(Agric.&Life Sci.)http:/ 杭州 310058;2.浙江大学生物系统工程与食品科学学院,浙江 杭州 310058;3.浙江省农业农村大数据发展中心,浙江 杭州 310020;4.农业农村部光谱检测重点实验室,浙江 杭州 310058)摘要 传统的油料作物田间表型数据采集方法费时费力,工作效率低。低空无人机遥感具有快速便捷、成本低、易操控等优势,提高了在中、小尺度区域遥感观测油料作物的形态学参数和生理生化指标的精细化程度,初步实现了油料作物田间生长
2、信息的快速采集、处理与分析应用。本文综述了近年来国内外低空无人机遥感在油菜、大豆、花生、向日葵、油棕等油料作物表型分析上的研究进展,介绍了当前主流的无人机飞行平台、机载传感器以及作业流程,重点梳理了无人机遥感在油料作物形态学分析、生理生化指标检测、产量估测以及逆境胁迫监测等多方面的应用情况,指出了低空无人机遥感在油料作物监测领域存在的不足和未来的发展趋势,以期为智慧农业的后续发展和精准应用提供理论依据。关键词 无人机;低空遥感;油料作物;表型分析;长势监测中图分类号 S252 文献标志码 A引用格式 孙永祺,陈梦媛,黄倩,等.低空无人机遥感在油料作物表型分析中的应用J.浙江大学学报(农业与生命
3、科学版),2023,49(4):472-483.DOI:10.3785/j.issn.1008-9209.2023.04.201SUN Yongqi,CHEN Mengyuan,HUANG Qian,et al.Application of low-altitude unmanned aerial vehicle remote sensing in the phenotypic analysis of oil cropsJ.Journal of Zhejiang University(Agriculture&Life Sciences),2023,49(4):472-483.Applicati
4、on of low-altitude unmanned aerial vehicle remote sensing in the phenotypic analysis of oil cropsSUN Yongqi1,CHEN Mengyuan2,HUANG Qian1,ZHANG Kangni1,WANG Bing3,LIU Fei2,4,ZHOUWeijun1,4*(1.College of Agriculture and Biotechnology,Zhejiang University,Hangzhou 310058,Zhejiang,China;2.College of Biosys
5、tems Engineering and Food Science,Zhejiang University,Hangzhou 310058,Zhejiang,China;3.Zhejiang Big Data Development Center for Agriculture and Rural Affairs,Hangzhou 310020,Zhejiang,China;4.Key Laboratory of Spectroscopy Sensing,Ministry of Agriculture and Rural Affairs,Hangzhou 310058,Zhejiang,Chi
6、na)Abstract The conventional approach to gathering field phenotypic data for oil crops is characterized by its time-consuming and labor-intensive nature,resulting in low work efficiency.Conversely,low-altitude unmanned aerial vehicle(UAV)remote sensing offers numerous advantages,including rapidity,c
7、onvenience,low cost,and ease of manipulation.This technology enhances the precision of morphological parameters and physiological and DOI:10.3785/j.issn.1008-9209.2023.04.201基金项目:浙江省“尖兵”研发攻关计划项目(2023C02002-3);现代作物生产省部共建协同创新中心项目(CIC-MCP);浙江省“三农九方”科技协作计划项目(2022SNJF010)。通信作者(Corresponding author):周伟军(h
8、ttps:/orcid.org/0000-0002-1471-9644),Tel:+86-571-86971194,E-mail:第一作者(First author):孙永祺(https:/orcid.org/0000-0003-3759-1740),E-mail:yq_收稿日期(Received):2023-04-20;接受日期(Accepted):2023-07-18第 4 期孙永祺,等:低空无人机遥感在油料作物表型分析中的应用biochemical indicators of oil crops measured by remote sensing in small-and medium
9、-scale areas,thereby enabling the initial attainment of field growth information for oil crops.Furthermore,it facilitates the swift acquisition,processing,and analysis of such data.This study provided a comprehensive overview of the advancements made in domestic and foreign low-altitude UAV remote s
10、ensing for oil crops,including rape,soybean,peanut,sunflower,and oil palm,and it introduced the prevailing UAV flight platforms,airborne sensors,and operating procedures,and it focused on combing the application of UAV remote sensing in morphological analysis,detection of physiological and biochemic
11、al indicators,yield estimation,and monitoring of adversity stress in recent years.Furthermore,it identified the limitations and future prospects of low-altitude UAV remote sensing in the domain of oil crop monitoring,aiming to provide a theoretical basis for the subsequent development and accurate i
12、mplementation of smart agriculture.Key words unmanned aerial vehicle;low-altitude remote sensing;oil crops;phenotypic analysis;growth monitoring粮食安全是“国之大者”,我国油料产品自给率低,食用油对外依存度高,保障国家粮食安全的一个重要方面就是让“油瓶子”里多装中国油。种业是农业的“芯片”,开展油料作物优良品种选育,离不开对种质资源的分析评价。传统的油料作物种质表型考察主要依靠人力手工测量,这类方法效率低、精度差且破坏性大,是制约功能基因组学研究和作物
13、育种改良进展的关键因素。遥感因具有快速、无破坏、多尺度精细化监测等优点,在作物表型分析领域已展示出独特的优势。然而卫星遥感重访周期长、空间分辨率低,受大气条件影响大,制约其在作物表型精准分析中的应用。近年来,无人机(unmanned aerial vehicle,UAV)遥感因分辨率高、使用成本低、灵活性强等特点,为作物表型分析提供了良好的契机1。随着无人机飞行平台和传感器硬件的不断成熟,人们可以获得不同空间、时间和光谱分辨率的图谱数据,结合以机器学习为代表的数据处理技术,弥补了传统作物种质表型考察过程中存在的缺陷2。低空无人机遥感监测技术已经成为提升种质资源表型评估研究广度和深度的有效手段。
14、本文围绕低空无人机遥感在油料作物表型分析中的研究,梳理目前常用于作物表型分析的无人机飞行平台和机载传感器,阐述无人机作物表型数据处理流程及分析方法,围绕大豆、油菜、花生、向日葵、油棕、橄榄等草本和木本油料作物,从作物形态学分析、生理生化指标检测、产量估测和逆境胁迫分析等方面,综述无人机遥感用于油料作物表型分析的国内外研究方法与进展,最后提出无人机遥感在油料作物中尚未解决的关键技术问题与未来的发展方向。1 无人机遥感表型平台1.1 无人机飞行平台无人机是“无人驾驶飞行器”的简称,是指利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器,按照机型可以分为多旋翼、固定翼、单旋翼和混合翼无人机等。
15、在农作物表型参数获取过程中,影响选择无人机的因素主要有载荷、续航时间、作业高度和速度。固定翼无人机飞行高度高、续航时间长、飞行速度快,但操作较为复杂,同时需要滑行跑道,不适合在茂密的农田中使用。多旋翼无人机商业产品较为成熟、操作简单、起降灵活,而且能低空悬停,适合获取丰富的植被信息,因而在农田遥感中应用广泛3。1.2 机载传感器根据实验目的需要,无人机飞行平台可以搭载多种传感器,主要包括数码相机(图1A)、多光谱相机(图1B)、高光谱相机(图1C)、热红外相机(图1D)和激光雷达(图1E)等。数码相机可获取实验区域内高分辨率可见光RGB(red,green,blue)影像,即利用图像特征提取作
16、物的颜色、纹理、几何轮廓等信息,以监测实验区域内农情和进行作物形态学分析。无人机搭载的多光谱相机通常具有5个及以上通道,包括红、绿、蓝、红边、近红外波段等,利用多光谱数据可以进行植被指数(vegetation index,VI)计算,以帮助人们更加准确地开展作物估产、长势监测和营养诊断4-5研究。高光谱相机可利用连续性窄电磁波段从目标物精准地获取相关光谱信息,进一步提高作物473第 49 卷浙 江 大 学 学 报(农业与生命科学版)生理参数的反演精度。以叶绿素荧光动力学技术为依据的叶绿素荧光成像系统与多旋翼无人机系统相结合,能够快速获取目标区域作物的叶绿素荧光参数,从生理参数层面解析作物受到水
17、分、温度等胁迫后发生的动态变化6-7。热红外相机主要用于获取作物冠层温度,可用来监测作物是否受到非生物胁迫或病害等不利因素的影响8。激光雷达能够发射激光脉冲以获取目标物表面的结构信息,可用于监测作物不同生长阶段的株高、叶面积指数(leaf area index,LAI)、植株分形特征等参数9。面对大规模的实验区域,多旋翼无人机利用其飞行载荷大的优势,可以实现定位测姿系统(position and orientation system,POS)记录仪、数码相机、多光谱仪、热成像仪、叶绿素荧光成像系统等多载荷传感器集成,将田间遥感数据快速、精准地定位到地面位置点,便于获取作物田间表型信息,实现遥感
18、辅助作物育种。1.3 数据获取流程由于无人机属于航空器,具有高风险性,不规范使用下极有可能造成较大的经济损失,甚至造成人身伤害。因此,制定合理的数据获取流程,可以在保证每次飞行安全的同时获取高质量的实验数据。图2展示了自主作业模式下无人机遥感的实验数据获取流程。1.4 数据处理方法从无人机遥感获取大量数据,到作物表型特征的高效提取,数据处理流程的效率决定了遥感数据的时效性和结果的准确性。目前,无人机遥感数据处理的主要流程如图3所示,主要包括影像格式调整、数据清洗、预处理、特征提取、特征选择、模型方法设计、模型调优与评价等。对无人机数据的校正一般使用机载传感器配套软件和数据进行处理,通常使用 M
19、etashape、PIX4Dmapper、DJI Terra 等软件对遥感影像完成拼接。现阶段,无人机遥感获取的油料作物田间表型数据分析方法大致可分为统计分析、机理模型构建和机器学习这3类。统计分析包括相关分析、回归 P1 A MicaSense RedEdgeMX B Resonon Pika XC2C H20TD L1 E图1无人机遥感机载传感器Fig.1Airborne sensors for UAV remote sensing 图2无人机遥感数据获取流程图Fig.2Data acquisition flowchart of UAV remote sensing图3无人机遥感数据处理流
20、程图Fig.3Data processing flowchart of UAV remote sensing474第 4 期孙永祺,等:低空无人机遥感在油料作物表型分析中的应用分析、判别分析、方差分析、聚类分析等方法,主要是指将作物的全波段原始光谱或由光谱计算得到的各种植被指数作为输入,田间实测指标作为输出,随后采用一系列建模方法描述输入与输出之间的线性或非线性关系的过程,该方法可以用于作物上非生物胁迫和生物胁迫的监测。机理模型构建是指利用遥感数据反演作物的生理生化参数,目前最常用的是光辐射传输模型,且在油菜叶片到冠层尺度已有相关报道10,可以揭示油菜叶片生化指标和冠层结构参数与产量综合性状之
21、间的关系。当前,机器学习是无人机遥感数据分析中的主流方法。传统的机器学习算法包括决策树、贝叶斯分类、随机森林、支持向量机、k近邻算法等。从学习方法上划分,机器学习可以分为有监督学习、无监督学习、半监督学习、集成学习、深度学习、强化学习等。在使用传统的机器学习算法过程中,最关键的是通过遥感数据最大限度地提取有用的特征以供算法使用。不同品种、不同处理下作物的外部形态与内部生理反应表现均有差异,常通过无人机遥感获取图像光谱信息,如提取颜色熵、颜色矩、颜色聚合向量等颜色特征,获取灰度直方图、灰度共生矩阵等纹理特征以及叶片、冠层的形状特征,同时结合田间测得的株高、叶面积、生物量等各项指标,将其作为特征输
22、入,用以构建模型。机器学习中的深度学习方法是模仿人类神经元的构架,通过对大量数据的特征学习而总结出数据特征中的高级抽象规律,以实现在不同领域中的应用。随着算力的增强、算法的完善,深度学习方法逐渐在无人机作物表型分析领域得到大量应用11。使用传统的机器学习方法提取特征往往需要进行手工提取或标注,而借助深度学习方法在特征提取上的优势,能够在作物特定形态结构的分类与识别上表现出较高的精度与稳健性,如可以通过深度学习算法,利用叶脉纹理特征将豆科作物不同品种的识别率提高到96.9%12。不过,深度学习方法需要大量训练数据和高性能计算机硬件的支持。尽管如此,深度学习方法在作物提取分类、目标识别计数、复杂背
23、景下目标分割等应用场景中有着无可替代的优越性。随着机载传感器和深度学习技术的不断发展,利用深度学习方法可以充分挖掘表型、基因与环境间的耦合关系,拓宽人工智能与农业生产间协同发展的前景,助力智慧农业的发展。2 无人机遥感在监测油料作物表型性状中的应用近年来,无人机遥感在油菜、大豆、花生、向日葵、油棕、橄榄等油料作物表型分析中应用较多,下面分别从油料作物形态学特征分析、生理生化指标检测、产量估测和逆境胁迫表型分析等几方面进行阐述。2.1 油料作物形态学特征分析2.1.1 作物识别与计数油料作物品种繁多,不同类型作物的产量、抗性等有所差异。随着精准农业的发展,快速、准确地获取作物田间种植空间分布特征
24、的需求越来越多,因为作物分布调查是评估田间苗情的前提,也是分析作物农情、管理和决策各种农事作业的基础,对油料作物种植规划及生产管理措施制定具有重要意义。长期以来,中国油料作物种植面积、早期苗情、品种分布等重要农业数据统计工作,主要通过人工统计等传统方法完成,存在调查工作量庞大、财力和物力耗费高、调查周期长等不足。无人机遥感的快速发展为小范围的农作物精细监测提供了技术支撑,在油料作物精细识别中具有重要作用。杨玉莹13基于200 m高度下无人机可见光影像,探讨了深度学习方法UNet网络在大豆种植区域提取中的应用。ZHAO等14结合田间调查数据,采用逐步回归分析方法,利用无人机超高分辨率(0.18
25、cm/像素)图像,实现了油菜机械直播出苗株数的有效统计。ZHANG等15提出了一种利用高分辨率无人机可见光图像的田间油菜计数框架,最佳窗口期为油菜46叶期,其中卷积神经网络(convolutional neural network,CNN)算法用于识别油菜叶片和计数,并结合LOOCV方法优化了幼苗计数与油菜叶片数之间的关系。宋志双16基于植被指数结合深度语义分割模型,提出了一种基于无人机多光谱影像数据的向日葵种植区域识别方法。李婕等17构建了注意力机制引导的卷积神经网络,搭建的油菜品种识别网络模型的准确率和Kappa系数分别达到了89.60%和0.89。LIN等18结合改进的YOLO-V5s目
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 低空 无人机 遥感 油料作物 表型 分析 中的 应用