RGB画像から派生した植生指数とテクスチャ機能に基づく綿の収量推定

収量監視は、綿の収穫中の綿の生産性を評価するための重要なパラメーターです。非破壊的で正確な収量監視は、綿の生産にとって非常に重要です。無人航空機（UAV）リモートセンシングには、迅速かつ反復的な獲得能力があります。目に見える植生指数には、低コスト、少量の計算、高解像度の利点があります。UAVと目に見える植生指数の組み合わせは、作物の収量モニタリングにますます適用されています。ただし、綿とマルチのフィルムの類似性がそれらを区別することを困難にし、収穫量が収穫近くの植生指数の推定値に基づいて飽和する可能性があるため、目に見える植生指数に基づいて綿の収量を推定することにはいくつかの欠点があります。テクスチャ機能は、地上オブジェクトの幾何学的情報を提供し、元の画像の明るさに基づいて空間情報識別を拡大できるもう1つの重要なリモートセンシング情報です。この研究では、綿のキャノピーのRGB画像は、綿の収穫前にRGBセンサーを運ぶUAVによって取得されました。目に見える植生指数とテクスチャの特徴は、綿の収量モニタリングのためにRGB画像から抽出されました。情報を抽出した後、特徴パラメーターはさまざまな方法で選択されました。線形および非線形の方法を使用して、目に見える植生指数、テクスチャ機能、およびそれらの組み合わせに基づいて綿の収量監視モデルを構築しました。結果は、（1）UAVによって得られた超高解像度のRGB画像から抽出された植生指数とテクスチャの特徴が綿の収量と​​有意に相関していることを示しています。（2）最良のモデルは、植生指数とテクスチャ特性RF_ELMモデルと組み合わされ、検証セットR 2が0.9109、RMSEが0.91277 T.HA-1であることでした。RRMSEは29.34％でした。結論として、研究結果は、RGBセンサーを運ぶUAVが綿の収量モニタリングに一定の可能性があることを証明しており、これはフィールドコットン生産評価の理論的基礎と技術サポートを提供できる。

Yield monitoring is an important parameter to evaluate cotton productivity during cotton harvest. Nondestructive and accurate yield monitoring is of great significance to cotton production. Unmanned aerial vehicle (UAV) remote sensing has fast and repetitive acquisition ability. The visible vegetation indices has the advantages of low cost, small amount of calculation and high resolution. The combination of the UAV and visible vegetation indices has been more and more applied to crop yield monitoring. However, there are some shortcomings in estimating cotton yield based on visible vegetation indices only as the similarity between cotton and mulch film makes it difficult to differentiate them and yields may be saturated based on vegetation index estimates near harvest. Texture feature is another important remote sensing information that can provide geometric information of ground objects and enlarge the spatial information identification based on original image brightness. In this study, RGB images of cotton canopy were acquired by UAV carrying RGB sensors before cotton harvest. The visible vegetation indices and texture features were extracted from RGB images for cotton yield monitoring. Feature parameters were selected in different methods after extracting the information. Linear and nonlinear methods were used to build cotton yield monitoring models based on visible vegetation indices, texture features and their combinations. The results show that (1) vegetation indices and texture features extracted from the ultra-high-resolution RGB images obtained by UAVs were significantly correlated with the cotton yield; (2) The best model was that combined with vegetation indices and texture characteristics RF_ELM model, verification set R 2 was 0.9109, and RMSE was 0.91277 t.ha-1. rRMSE was 29.34%. In conclusion, the research results prove that UAV carrying RGB sensor has a certain potential in cotton yield monitoring, which can provide theoretical basis and technical support for field cotton production evaluation.