小麦幼苗的发育好坏直接影响最终的产量和品质。目前，小麦长势无损监测研究大多侧重于获取中后期的群体参数（叶面积、生物量、覆盖度等），而幼苗期的监测研究较少，且适宜的基本苗是保证小麦群体合理发展，从而既能获得足穗、又防止因群体过大，后期发生倒伏的重要因素。因此，本研究基于无人机平台获取小麦苗期的多光谱图像和RGB图像，使用ExG指数分割影像，并基于分割后的影像进行人工识别小麦基本苗数，从而与人工记录的小麦基本苗数进行对比，寻求基于无人机平台监测小麦基本苗的适宜方法。研究发现三叶期是进行小麦基本苗监测的适宜生育期，且RGB影像和多光谱影像都可用于小麦基本苗监测。本研究可迅速便捷地获取小麦基本苗情况，并及时进行补种或补栽，对辅助作物后期管理也起到重要作用。
目录
摘要 3
关键词 3
Abstract 3
Key words 3
1 研究思路与技术路线 5
2 材料与方法 5
2.1 试验设计 5
2.2 数据获取及预处理 6
2.2.1数据获取 6
2.2.2无人机影像预处理 7
2.2.3方法与模型 8
3 结果 8
3.1不同生育期监测小麦基本苗的对比 8
3.2不同传感器监测小麦基本苗的对比 9
3.3 归一化植被指数（NDVI）与ExG指数监测小麦基本苗的对比 11
4 讨论 12
4.1 不同生育期对小麦基本苗监测的影响 12
4.2 不同传感器对小麦基本苗监测的影响 12
4.3 监测小麦基本苗数精确度有待提高的原因 13
4.4 今后研究方向 13
参考文献 13
致谢 15
基于无人机影像的小麦基本苗监测
引言
引言：小麦是我国重要的粮食作物之一，中国种植小麦的历史已有上千年，发展到现在，小麦已成为我国继水稻和玉米的第三大粮食作物[1]。因此，保证小麦的品质及产量的稳定是保障人民稳定生活的前提。在小麦生长过程中，幼苗的发育好坏直接影响最终的产量和品质[2][3]。而目前作物长势无损监测研究 *51今日免费论文网|www.jxszl.com +Q: &351916072& 
大多侧重于获取生长旺期的群体参数（叶面积、生物量、覆盖度等），由于作物苗期与生长中后期相比植株较小，土壤覆盖率低，幼苗期的无损监测研究较少。同时传统的作物苗期长势监测常采取破坏性的取样方法，在取样、测定和数据分析等方面需要耗费大量人力、物力，且时效性差，不利于推广应用[4]。而遥感技术可以利用多波段的反射光谱数据信息进行分析, 以此来得出农作物的各个生长状态的各类确切的信息, 帮助其更好的了解土壤作物的空间变异程度, 给相关的管理人员提供依据, 供以决策[5]，因此，遥感监测技术在苗期监测方面具有很大的应用前景。
如今在国内外研究人员的共同努力下，在基于地面固定平台、车载平台上对作物进行苗期监测都有部分研究成果。Zhou等人利用基于车载平台的RGB相机采集玉米苗期数据，并提出了一种基于计算机视觉识别玉米幼苗的算法，利用此算法所得数据与人工采集的数据相关性较高(R=0.86)[6]。Liu等利用数码相机采集小麦幼苗图像，并采用图像分析技术进行小麦幼苗计数，并基于这些数据构建了小麦幼苗数量估算模型，将此模型应用于不同品种小麦幼苗技术，其相关性都较高[7]。Liu等人将RGB相机固定在轻型移动平台上，手动驱动此平台以获取小麦幼苗图像，并开发了一种基于机器视觉的小麦早期密度自动测量方法，结果表明，此方法密度估计精度较高，平均相对误差为12%[8]。
除此之外，随着大田数据获取技术的发展，作物的苗期监测已可通过机载平台的遥感设备来获得。机载平台成像比例尺大、地面分辨率高、适于相对大面积普查和小面积详查的。TorresSánchez等利用无人机采集麦田早期RGB影像，计算和评价了6个可见光谱指数，以研究飞行高度和播种后天数对分类精度的影响，结果表明ExG、VEG指数和30m飞行高度具有较好的精度，进行了RGB影像在早期作物监测应用上的第一次尝试[9]。Jin等人通过低空无人机航拍技术获取了小麦苗期的高分辨率图像，从而发现测定小麦出苗密度的最佳实验时期是植株长到12片叶子的时候，且地面分辨率需大于0.04mm，说明了RGB影像在监测小麦出苗密度上的可应用性[10]。陈雯应用无人机获取小麦田间RGB图像，构建了一种小麦苗数估算模型，并结合此估算模型和图像处理技术构建反映小麦出苗均匀度的方法，发现此估算模型在1叶期最低密度时准确度最高，随着密度的增高或叶龄的增加，准确度呈下降趋势，这表明此无人机图像处理技术能够较准确的反映小麦苗期出苗均匀度[11]。Liu等利用无人机获取小麦苗期RGB影像，以获得小麦种子出苗情况与缺苗均匀性的相关数据，并与人工调查结果的比较，发现撒播时均方根误差（RMSE）为0.44，点播时均方根误差为0.64，说明了应用RGB影像监测小麦出苗的可行性[12]。苏伟等通过提取无人机RGB影像的超绿特征和Hough变换方法提取育种玉米的垄数，发现虽然苗期玉米植株太小，提取精度也达到97.67%，进一步验证了RGB影像在监测苗期作物的应用上的可行性[13]。牛庆林等基于无人机遥感平台构建了低成本的遥感数据获取系统，以获取玉米苗期的RGB影像，并基于此结合地面控制点生成试验田玉米育种材料的数字表面模型（digital surface model, DSM），从而基于DSM提取玉米育种材料株高，发现DSM提取的株高与实测株高具有高度的一致性，说明了RGB影像在提取作物苗期株高上应用的可行性[14]。Friederike利用无人机获取玉米35叶期RGB影像，以进行玉米幼苗数字化计数，结果表明与人工计数的差异小于5%[15]。
基于此上文可以发现，对于作物苗期监测多使用RGB影像，多光谱影像的应用仍在探索中。Adrian等使用分别搭载RGB相机和多光谱相机的无人机获取玉米46叶期影像，对常规耕作和CA条件下的玉米表现进行了评价，实验结果强调了RGB影像在作物表现评估和杂交种选择中的适用性，但是对于多光谱影像的应用却未做过多解释[16]。
虽然作物苗期无损监测已取得了不少成就，但仍存在以下问题：对小麦苗期的研究还相对较少，更多的是对苗期叶片相对较大的较易识别的玉米等作物的研究，另一方面，对于作物苗期监测多使用RGB影像，多光谱影像的应用相对较少，且苗期作为作物生长前期，相对于中后期，其植株较小，土壤背景较难消除，因此对获取的监测数据的精度有很大的影响，如何消除土壤背景也是一个待解决的问题。
低空无人机遥感技术具有高分辨率、实时获取影像、操作简单和低成本等优势，在现代农业生产上具有重要应用前景[4]。无人机遥感作为低空领域的监控手段，有力地弥补了高空监测与地面监测间的空白区域，具有比卫星监测更精确、比地面监测更灵活的优点[17]。因此，本课题将基于无人机平台于不同生育期获取小麦基本苗的多光谱图像和RGB图像，研究多光谱影像和RGB影像在小麦基本苗监测中发挥的不同作用，分析两者的优缺点，寻求基于无人机平台监测小麦基本苗的适宜方法，以此可迅速便捷地获取小麦基本苗情况，并及时进行补种或补栽，对辅助作物后期管理也将起到重要作用。

原文链接：http://www.jxszl.com/swgc/swgc/563237.html