摘要
本申请公开了一种基于无人机多光谱影像的牧草补播方法及系统,其通过利用无人机搭载多光谱相机按照规划航线对目标牧场进行拍摄,以获取详细的多光谱影像数据,并采用基于深度学习的图像编码技术对所述多光谱影像数据进行拆分和编码来挖掘出多光谱影像数据中的各个波段内空斑区域的空间结构信息,以增强对各波段特征的表达能力,进一步对各波段内的特征进行特征选择以提取出波段内对空斑区域检测最具有代表性的细粒度特征,并基于这些特征来实现草地空斑区域的检测与分割。这样,通过对波段光谱影像数据的有效编码和特征融合,提高了对草地空斑区域检测的准确性,从而提高了牧草补播的精准度和有效性。
技术关键词
无人机多光谱影像
编码特征
补播方法
邻域特征
特征选择
牧草
植保无人机
地理环境信息
空洞卷积神经网络
数据
搭载多光谱相机
级联
图像编码技术
空间结构信息
细粒度特征
系统为您推荐了相关专利信息
特征选择算法
物联网设备识别
最佳特征子集
识别方法
训练机器学习模型
声音监测传感器
婴儿
监护系统
复合核函数
径向基核函数
旋转机械设备
设备故障诊断方法
时域特征提取
多域特征
DS证据理论
非结构化场景
语义分割方法
三维点云数据
富士苹果树
邻域特征