雜草作為農(nóng)業(yè)生產(chǎn)中的典型有害生物,，對作物生長構成了顯著的負面影響。在人口持續(xù)增長及新&冠&肺&炎疫情的雙重影響下,，糧食的重要性日益凸顯,。水稻（Oryza sativa L.）作為全球主要糧食作物，其產(chǎn)量對于全球糧食安全的保障具有至關重要的作用,。稻田雜草作為影響水稻生長與產(chǎn)量的關鍵因素,，迫切需要采取有效的管理措施進行控制。

      目前主要的除草方法包括人工,、機械和化學除草,。化學除草具有經(jīng)濟性和高效性等特點,，是目前大多數(shù)農(nóng)業(yè)地區(qū)主要的除草方式,。然而，除草劑的不當使用可能會給人類健康,、環(huán)境和生態(tài)系統(tǒng)帶來潛在的風險,。采用精準施藥是解決這一問題的有效途徑口。

      奧譜天成利用光譜分析以及特征提取技術,，結合機器學習算法實現(xiàn)對稗草的有效識別,！

高光譜成像技術的獨&特優(yōu)勢：結合了二維成像技術和光譜分析技術，具有分辨率高,、信息量大,、檢測速度快等優(yōu)點。無人機高光譜設備具有豐富的光譜信息,，在雜草制圖方面具有巨大的應用前景,。基于低空遙感稻田環(huán)境下的稗草識別更貼近實際生產(chǎn)情況,，雜草空間分布圖的制作有利于指導精準施藥,。

• 本研究利用無人機載高光譜系統(tǒng)ATH9010收集低空稻田遙感影像

• 利用光譜分析以及特征提取技術，結合機器學習算法實現(xiàn)對稗草的有效識別,，節(jié)約人力物力資源,。

優(yōu)勢：大面積監(jiān)測，非破壞性檢測,，保持樣品完整,、獲取樣品的空間分布信息。

      在飛行區(qū)域內(nèi)設置黑白反射率板,，用于輻射校正,；飛行高度為30米，低空采集保證獲得更高的空間分辨率,。

優(yōu)勢：大面積監(jiān)測,，地面分辨率高，非破壞性檢測，保持樣品完整,、獲取整塊樣品的空間分布信息,。

      對采集到的數(shù)據(jù)影像進行拼接，后進行輻射校正,，將像元亮度值轉化為反射率。在研究區(qū)域內(nèi)均勻選擇水稻,、稗草,、成熟稗草和背景四種類型樣本，保證了樣本間的差異,，有利于模型泛化能力的提升,。

▲樣點分布圖

      對采集到的原始光譜數(shù)據(jù)進行平滑處理（如Savitzky-Golay濾波），減少噪聲,。

優(yōu)勢：提高數(shù)據(jù)質(zhì)量,，減少噪聲干擾。增強光譜信號的特征,，提高分析的可靠性,。

      利用高光譜成像技術獲取水稻與雜草的光譜信息，使用連續(xù)投影算法（SPA）提取光譜數(shù)據(jù)中的主要特征分量,，從原始的高維特征集中選擇出最&具信息的特征子集,，以提高模型性能或簡化模型，降低數(shù)據(jù)維度,?；诰礁`差（RMSE）最小原則，篩選出對鑒別有重要貢獻的波段,。

優(yōu)勢：提高模型性能,，簡化模型。提取光譜信號的主要特征,，保證分析的可靠性,。

      采用特征篩選出的特征波長數(shù)據(jù)結合分類樣本建模，使用隨機森林,、支持向量機,、一維卷積神經(jīng)網(wǎng)絡、三維卷積神經(jīng)網(wǎng)絡等方法進行分類精度比較,。

      基于雜草空間分布圖,，通過圖像二值化的方式提取稗草像素，突出目標輪廓,，更加直觀地展示稗草的分布情況,。對于區(qū)塊化管理的農(nóng)業(yè)，準確獲取雜草覆蓋密度或病害侵擾程度可直接為防治與精準作業(yè)提供有力的信息支持,。

      根據(jù)實際需求設定不同大小的窗口,，對二值圖像切塊處理,，統(tǒng)計每個小塊稗草像素的占比，賦予1到5的密度等級,，制成稗草密度分布圖,。

▲稗草密度圖

高光譜成像技術是了野外復雜條件下識別雜草的有效手段，能夠準確區(qū)分水稻與雜草,。高光譜成像融合了光譜信息與圖像信息,，提供了豐富的數(shù)據(jù)支持，使得分析更加全面和深入,，提高了識別的準確性和可靠性,。通過SG濾波，增強水稻與稗草差異性,；SPA提取的特征波段結合分類算法,，實現(xiàn)了對雜草的快速提取。根據(jù)識別結果,，以空間分布圖和密度圖的形式呈現(xiàn)做為應用指導,，與實際生產(chǎn)作業(yè)緊密相連，為精準作業(yè)提供有力的數(shù)據(jù)支撐,。

參考文獻

[1]顏子一,沈奕揚,唐偉,等.基于無人機高光譜的稻田雜草識別和空間分布研究[J].激光生物學報,2024,33(04):335-346.

ATH9010