农业机械学报

作者：刘涛，韩伊曼，杨奉源，刘望，张慧，张寰

单位：河南财经政法大学,河南财经政法大学,河南财经政法大学,河南财经政法大学,河南农业大学,河南农业大学,

关键词：玉米叶部病害;等级识别模型;无人机遥感;土壤背景;深度学习;智慧乡村

基金：河南省科技研发计划联合基金青年科学家项目(225200810089)、河南省高校科技创新人才支持计划项目(23HASTIT028)、河南省青年人才托举工程项目(2024HYTP018)和河南省国际科技合作培育项目（242102521017）

精准获取玉米叶部病害等级信息是实现田间智能植保的关键技术环节。本研究针对无人机遥感影像中受土壤背景干扰导致的作物病害等级分类精度低的问题，提出一种融合植被指数阈值分割与深度学习的玉米叶部病害等级分类方法。以多品种玉米田间种植区为研究对象，首先获取无人机高分辨率影像数据，并对无人机影像进行拼接、辐射校正和感兴趣区域(ROI)裁剪构建样本数据集；然后通过旋转、翻转及对比度增强等数据增强方法扩充样本，构建了包含5088幅标注图像的均衡数据集；最后在使用Otsu算法和植被指数相结合的方法实现土壤背景剔除的基础上，分别使用机器学习和深度学习方法建立剔除土壤背景前后的多个玉米叶部病害等级识别模型。结果表明，绿波段（G波段）在剔除土壤背景方面表现最优，最大交并比（IoU）为75.9%；机器学习模型中基于EXG特征的支持向量机(SVM)方法分类精度最高，其准确率、召回率和F1值均超过88.0%；深度学习模型相比机器学习模型表现更优，ResNet50网络模型分类准确率和F1值分别为94.8%和94.7%；剔除土壤背景可使两类模型的分类准确率分别提高6.2个百分点和4.1个百分点。本研究为基于无人机低空遥感监测玉米叶部病害提供了方法参考，为精细化农田管理提供了技术支持。

来源：2025年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第11期