节点文献

基于随机森林算法的玉米品种高光谱图像鉴别

免费订阅

【作者】 邵琦陈云浩杨淑婷赵逸飞李京

【Author】 SHAO Qi;CHEN Yun-hao;YANG Shu-ting;ZHAO Yi-fei;LI Jing;State Key Laboratory of Remote Sensing Science,Beijing Normal University;Faculty of Geographical Science,Beijing Normal University;Beijing Key Laboratory of Environmental Remote Sensing and Digital Cities,Faculty of Geographical Science,Beijing Normal University;State Key Laboratory of Earth Surface Processes and Resource Ecology,Faculty of Geographical Science,Beijing Normal University;Institute of Agricultural Economics and Information Technology,Ningxia Academy of Agricultural and Forestry Sciences;

【通讯作者】 李京;

【机构】 北京师范大学遥感科学国家重点实验室北京师范大学地理科学学部环境遥感与数字城市北京市重点实验室北京师范大学地理科学学部地表过程与资源生态国家重点实验室北京师范大学地理科学学部宁夏农林科学院农业经济与信息技术研究所

【摘要】 玉米品种直接影响到玉米的产量和品质,事关农业收入和食品安全,因此,如何准确、高效、无损地鉴别玉米品种具有重要意义。该文基于高光谱成像系统采集3个品种共600粒玉米在533~893.4 nm波段(共146个波段)范围的高光谱图像,对其进行校正和预处理,利用Boruta算法筛选有效波段。在全波段、全波段和纹理信息、有效波段以及有效波段和纹理信息4种特征组合下,利用随机森林算法进行玉米品种识别研究。结果表明:4种特征组合下,随机森林的平均分类准确率达76.25%,Kappa系数均在0.6以上,分类效果均优于传统的偏最小二乘判别分析方法;从4种特征组合的分类结果看,融合纹理信息的随机森林判别模型识别精度显著提升,分类准确率达77.20%,Kappa系数在0.64以上;基于有效波段和纹理信息判别模型的分类准确率达78.30%,Kappa系数为0.675。由此可见,有效波段和纹理信息特征组合下的随机森林算法能充分利用高光谱图像的光谱和纹理信息,准确地鉴别玉米品种,为玉米品种的自动识别提供了一种新方法。

【基金】 宁夏农林科学院科技创新引导项目(NKYG-18-01)
【所属期刊栏目】 农业高光谱遥感专栏 (2019年05期)
  • 【分类号】TP391.41;TP181;S513
  • 【下载频次】168
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: