北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

日期: 2023-12-29
浏览次数: 260

被晒化的大地,被烘懒的万物,被汗水侵蚀的燥热......在烈日高悬的夏日,谁不想听见一声冰镇西瓜裂开的清脆,让清凉香甜的瓜瓤锁住一整个夏天的炙热。

作为夏日最解暑的水果,西瓜集万千宠爱于一身,也受到了霜霉病的青睐。霜霉病菌会在潮湿的环境中迅速繁殖,尤其是在温暖的夏季。这种病害会对西瓜植株造成严重的危害,从而影响果实的品质和口感。

在佛罗里达州的西瓜产量受到霜霉病的严重影响后,为了有效防治西瓜霜霉病,佛罗里达大学的研究团队进行了相关研究。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

佛罗里达州的西瓜产量受到包括霜霉病(DM)在内的各种病害的不利影响。准确的病害识别对于实施及时有效的管理策略至关重要。遥感工具,例如无人机(UAV)和高光谱成像,已被用于作物病害检测。先前的研究已成功利用遥感和机器学习(ML)对鳄梨和番茄等其他作物进行了病害检测。但是,关于使用遥感检测西瓜病害的研究有限。这项研究的目标是利用机器学习模型和光谱植被指数(VI)来检测和分类西瓜中霜霉病的不同严重程度。

在这项研究中,来自佛罗里达大学的研究团队通过Resonon Pika L室内平台系统(5个病害阶段:低、中(1和2水平)、高和非常高)及野外机载系统(2个阶段:低和高)分别测量了西瓜健康叶片和DM感染叶片的高光谱图像,选择感兴趣区域(ROI),将各种植被指数(VI)作为识别病害阶段的指标。利用多层感知器(MLP)和决策树(DT)两种分类模型来区分健康和DM感染植物。使用MLP来选择能够识别DM及其病害程度的最佳VI。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

(A)健康西瓜叶片和不同严重程度阶段的受DM感染的叶片(作为示例):(B)低(该图像包括感兴趣区域的示例);(C)中;(D)高。(E)Pika L高光谱相机在实验室中收集高光谱数据。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

田间DM严重程度阶段:(A)低;(B)高;(C)基于无人机的高光谱成像系统;(D)校准防水布。

【结果】


Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

(A)5个病害严重程度(DS)阶段西瓜叶片的光谱反射特征(在实验室收集);(B)健康(H)和五个DS阶段西瓜叶片的相关系数。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

MLP和DT方法在实验室中区分健康(H)和西瓜DM几个DS阶段的分类结果。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

(A)田间收集高光谱图像的光谱反射特征;(B)健康、低和高霜霉病严重程度阶段西瓜植株的相关系数。

Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

MLP和DT方法检测田间西瓜感病植株与健康植株的分类结果。

【结论】

所选的最佳光谱VI对不同严重程度霜霉病的检测和识别具有较高的特异性和敏感性。由于叶片组成的微小变化(与健康植物相比),低DS阶段获得了较低的分类结果。MLP方法在高和非常高DS阶段(87-90%)获得了最高的分类结果,而DT方法在所有DS阶段获得了较低的分类结果(与MLP相比)。一些VI可用于DS阶段病害检测和分类。利用高光谱成像识别最重要的VI来检测和识别多个DS阶段将进一步增强病害检测的理解和特异性。未来的工作包括开发一种简单且廉价的基于无人机的传感器,该传感器基于之前的研究和开发,仅测量窄波段的光谱反射率(例如定制的多光谱相机),以特定波长为中心,用于田间DM早期检测。

请点击下方链接,阅读原文:

https://mp.weixin.qq.com/s/uQkA8Chv4XyiG245NmA30Q


News / 相关新闻 More
2026 - 11 - 16
研究背景土壤盐碱化是影响农业生产和土地资源利用的重要因素。山西省大同盆地分布着较大面积的苏打型盐碱土,土壤中较高的CO₃²⁻和HCO₃⁻含量对作物生长造成了一定限制。如何改善盐碱土壤环境、提高土地利用效率,是当地农业生产面临的重要问题。沙土掺混能够改变土壤质地和孔隙结构,进而影响水分入渗及盐分迁移。但掺沙比例不同,对土壤水分保持和氮、磷、钾等养分分布的影响也存在差异。尤其是在促进盐分淋洗的同时,是否会加剧养分向深层迁移,仍需要进一步研究。针对这一问题,山西农业大学崔清亮老师团队以大同盆地中度盐碱土为研究对象,通过室内土柱试验和田间试验,探究沙土掺混与养分管理对土壤水盐、养分迁移及谷子生长的影响,为晋北苏打型盐碱土改良和谷子栽培提供依据。图1.土柱实验的设置。研究方法研究土壤采自山西省怀仁市中度盐碱农田,属于大同盆地苏打型盐碱土。研究分为室内土柱入渗试验和田间种植试验:室内土柱试验...
2026 - 11 - 09
研究背景土壤有机碳(SOC)是反映土壤质量、土壤肥力及生态系统碳循环的重要指标。传统湿化学测定方法虽然准确性较高,但存在耗时长、成本高、操作复杂等问题。相比之下,可见光—近红外(Vis-NIR)光谱技术具有快速、无损、低成本等优势,为SOC快速估算提供了新的技术途径。然而,光谱预测模型高度依赖大量代表性样本。在实际调查中,受采样成本及实验条件限制,往往难以获得充足的校准数据,小样本条件下模型容易出现过拟合,影响预测精度与泛化能力。针对这一问题,外部光谱数据库迁移学习和深度生成模型数据增强成为两种潜在解决途径。但不同生成模型的增强效果如何?外部光谱库能否有效改善本地模型预测性能?数据增强倍数又将如何影响模型表现?为此,山西农业大学徐占军老师团队通过构建统一实验框架,系统比较四种深度生成模型与外部土壤光谱数据库的应用效果,探索小样本条件下SOC光谱估算的有效数据增强策略。图1.研究区域概况。研...
2026 - 11 - 09
研究背景地下水是高寒地区水循环的重要组成部分,其补给过程受到冻融循环的显著调控。随着气候变暖,青藏高原冻土退化、活动层加深,土壤水分的储存与迁移条件发生变化,进而影响降水、融雪水、土壤水与地下水之间的水文联系。然而,不同冻融阶段地下水补给来源的变化及其迁移路径仍缺乏系统认识。针对这一问题,北京师范大学李小雁老师团队以青海湖流域为研究区,结合氢氧稳定同位素示踪与MixSIAR贝叶斯混合模型,定量解析不同冻融阶段地下水的补给来源,揭示冻融过程对土壤水文连通性及地下水补给路径的影响。图1.(a) QLB在青藏高原(QTP)上的位置。(b) QLB内多年冻土的时空分布;其中灰色代表季节性冻土,橙色代表多年冻土。(c) QLB的位置及采样点分布。(d) 地下水采样。(e) 降水采样。(f) 在相邻地点每月采集土壤样品。研究方法研究设计:研究区位于青藏高原东北部青海湖流域。2025年5—10月,研究团...
2026 - 11 - 02
研究背景河流和溪流是大气甲烷(CH₄)的重要来源。已有研究发现,源头河流通常具有较高的CH₄排放强度,是河流CH₄排放的重要热点。但在高海拔冰冻圈地区,这一规律是否依然适用?受低温和有机碳底物匮乏等因素影响,该区域的CH₄过程可能受到限制。与此同时,冰川融水的持续输入也可能进一步改变河流的CH₄排放特征。那么,冰川融水究竟如何影响河流CH₄排放?其背后的作用机制又是什么?针对这一问题,兰州大学高坛光老师团队以青藏高原北部黑河上游为研究区域,通过2020—2023年连续观测,系统分析了冰川补给河流与非冰川补给河流的CH₄排放特征,并进一步探讨冰川融水对河流CH₄排放的调控机制。图1. (a) 研究区域概况。(b) 在三次不同的野外考察期间,使用浮动气室法进行气体采样的现场照片。研究方法实验设计:研究以青藏高原北缘黑河上游为研究区域。2020—202年,在该研究区域上游设置25个采样点(冰川补...
【关闭窗口】【打印】
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开