国产一级一级国产_日韩 欧美 国产高清91_国产成人AV一区二区在线观看_日本丰满老妇bbb_毛一卡二卡三卡免费看_国产 有码无码 精品 在线_国色天香天天影院综合网_一级毛片永久免费视频_特黄特色a级视频_美女被躁免费视频软件

027-87860098

基于植物-冠層模型的亞馬遜棕櫚果實(shí)成熟度航空識(shí)別

2023/9/15
曲葉矛櫚生長(zhǎng)于潮濕的熱帶雨林,是保護(hù)亞馬遜生物群落的基礎(chǔ),調(diào)節(jié)雨林的新熱帶濕地,可生產(chǎn)富含蛋白質(zhì)、脂肪、維生素和碳水化合物的棕櫚果實(shí)。由于難以進(jìn)入這些茂密的雨林,遙感方法成為其生長(zhǎng)評(píng)估的重要技術(shù)手段。為了實(shí)現(xiàn)對(duì)亞馬遜曲葉矛櫚果實(shí)成熟狀態(tài)的識(shí)別,本研究采用配備多光譜相機(jī)的無人機(jī)在60 m高度上采集一個(gè)棕櫚物候期內(nèi)的可見/近紅外圖像,與冠層水平上的反射狀態(tài)進(jìn)行相關(guān)性分析?;贛ask R-CNN深度學(xué)習(xí)算法自動(dòng)分割并識(shí)別感興趣區(qū)域( RoI ),并基于25個(gè)VIs和圖像提取的特征,形成一個(gè)二分類的數(shù)據(jù)集(綠色類GC和成熟類MC)來訓(xùn)練7種有監(jiān)督的ML模型來預(yù)測(cè)果實(shí)的成熟狀態(tài),包括RF、SVM、KNN、NB、LR、ADB和ETC。對(duì)于果實(shí)成熟度的估計(jì),還采用了CNN模型進(jìn)行訓(xùn)練,并創(chuàng)建三個(gè)新的數(shù)據(jù)集(每個(gè)數(shù)據(jù)集中GC與MC各50個(gè))以驗(yàn)證訓(xùn)練后的CNN模型。此外,還以三種不同的特征組合使用ANN模型進(jìn)行了果實(shí)成熟度的預(yù)測(cè)。研究結(jié)果表明:

(1)冠層反射率與果實(shí)成熟期呈顯著相關(guān)。在25個(gè)指數(shù)中,NRBDI與RBGVI指數(shù)與時(shí)間變量之間呈中等相關(guān)性,GNDVI、RGVI、MGRVI、RG、RVI、NIRG、NB、RGBVI、NGRVI和GRAPH呈低相關(guān)性,GRVI與VARI呈低負(fù)相關(guān)性。其他特征,如NDVI,表現(xiàn)出較低的線性相關(guān)性。

(2)使用CNN進(jìn)行分類的結(jié)果并不準(zhǔn)確。CNN訓(xùn)練模型損失曲線呈下降趨勢(shì),表明誤差隨著訓(xùn)練的進(jìn)行而減小;但準(zhǔn)確率曲線出現(xiàn)波動(dòng),說明分類結(jié)果不一致;訓(xùn)練后的CNN模型在三個(gè)新的數(shù)據(jù)集上的分類準(zhǔn)確率分別為53%、54%和48%,為中等精度,仍有改進(jìn)空間。

(3)ML模型訓(xùn)練的結(jié)果顯示,僅使用25個(gè)VIs進(jìn)行訓(xùn)練時(shí),線性回歸(LR)模型表現(xiàn)最好,準(zhǔn)確率為70%;僅使用從圖像中提取的50個(gè)特征進(jìn)行訓(xùn)練時(shí),樸素貝葉斯(Naibes Bayes,NB)模型性能最好,但準(zhǔn)確率僅有57%;ANN模型的訓(xùn)練結(jié)果顯示,當(dāng)采用VIs與從圖像中提取的特征組合進(jìn)行預(yù)測(cè)時(shí),準(zhǔn)確率高達(dá)72%。

基于植物-冠層模型的亞馬遜棕櫚果實(shí)成熟度航空識(shí)別
圖3 系統(tǒng)架構(gòu)。B1,獲取多光譜圖像,包括5個(gè)波段的( R、G、B、RE、NIR)以及RGB圖像;B2,使用手掌識(shí)別模型從每個(gè)波段中分割和提取感興趣區(qū)域( RoI );B3,對(duì)每個(gè)特征進(jìn)行時(shí)間變異性分析和建模,了解它們的響應(yīng)以及與果實(shí)成熟期的相關(guān)性,到的數(shù)據(jù)是結(jié)構(gòu)化的,并且有適當(dāng)?shù)臉?biāo)簽;B4,訓(xùn)練、驗(yàn)證和測(cè)試通過相關(guān)性識(shí)別果實(shí)成熟期的ML模型;B5,使用ML模型進(jìn)行分割步驟,對(duì)RoI進(jìn)行特征提取,并通過與冠層反射率的關(guān)聯(lián)來估計(jì)果實(shí)成熟度。

基于植物-冠層模型的亞馬遜棕櫚果實(shí)成熟度航空識(shí)別
圖5 CNN架構(gòu)示意圖。

基于植物-冠層模型的亞馬遜棕櫚果實(shí)成熟度航空識(shí)別
圖8 Pearson相關(guān)性熱圖。25個(gè)VIs和圖像特征(平均向量)與時(shí)間變量之間的關(guān)系。相關(guān)性的強(qiáng)度由地圖右側(cè)的顏色條表示。

基于植物-冠層模型的亞馬遜棕櫚果實(shí)成熟度航空識(shí)別
圖12 CNN模型訓(xùn)練和驗(yàn)證的損失和準(zhǔn)確率曲線。左圖表示損失曲線,隨著epoc增加,訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)的損失都呈下降趨勢(shì);右圖為精度曲線。

圖13 用25個(gè)VIs訓(xùn)練的7個(gè)ML模型的ROC曲線。

基于植物-冠層模型的亞馬遜棕櫚果實(shí)成熟度航空識(shí)別
圖14 ANN模型得到的ROC曲線。(左)基于圖像特征;(中)基于VIs;(右)VI和圖像特征組合。

文獻(xiàn)來源:Marin, W.; Mondragon, I.F.; Colorado, J.D. Aerial Identification of Fruit Maturity in Amazonian Palms via Plant-Canopy Modeling. Remote Sens. 2023, 15, 3752. https://doi.org/ 10.3390/rs15153752