基于无人机多光谱影像和随机森林的蔬菜识别

实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础.对无人机多光谱影像进行分割,以光谱特征(spectrum features,SPEC)为基础,分别引入指数特征(index features,INDE)、纹理特征(grey-level co-occurrence matrix features,GLCM)和几何特征(geometric features,GEOM)构建8个分类方案(S1～S8),使用随机森林算法进行分类并分析分类效果.结果表明,方案S5(SPEC+GLCM+INDE)的分类效果最好,总体精度和Kappa系数分别为92.75％和0.92.几何特征的引入降低了分类精度,而纹理和指数特征则与其相反;仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜,为提高精度后续研究有必要引入植株高度等特征;在4大类特征中,重要性排在首位的是光谱特征,其次为指数特征.基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度,并能确认影响精度的重要特征,可为其他作物的精准识别提供借鉴.