学校首页

基层动态
当前您的位置: 学校首页 - 基层动态 - 正文

喜报!白铁成教授团队在国际顶级期刊Computers and Electronics in Agriculture发表论文

发布时间:2024-02-29 作者: 浏览次数:

来源:科研处、信息工程学院

近日,我校信息工程学院白铁成教授团队在《Computers and Electronics in Agriculture》(SCI,中科院一区Top期刊,JCR农业综合学科排名第一,IF:8.3)发表了题为“Cotton Verticillium wilt monitoring based on UAV multispectral-visible multi-source feature fusion”的研究论文。该研究提出了一种新的棉花黄萎病检测方法,这种方法结合植被指数(VI)、颜色指数(CI)和纹理特征,旨在提高基于无人机(UAV)图像的棉花黄萎病(CVW)疾病严重程度估计精度。张楠楠副教授、白铁成教授为共同通讯作者、硕士研究生马瑞为第一作者。该研究得到国家自然科学基金、兵团科技项目和塔里木绿洲农业教育部重点实验室的支持。

棉花黄萎病是一种危害严重的世界性病害,被称为棉花的“癌症”。黄萎病快速监测是有效防治的基础。常规的监测方法是通过田间观察以及实验室测试诊断,耗时费力,主观性较强,且获取信息严重滞后,可能影响结果的准确性。而通过无人机遥感技术手段,利用不同敏感波段来反映棉花植株生长情况及其病害的严重程度,则实现了棉花黄萎病的准确监测和快速诊断,为及时发现病害、减少经济损失提供了有效技术支持。

在该研究中,使用同时搭载多光谱相机和RGB相机的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从棉花黄萎病遥感影像中提取植被指数(VI)、颜色指数(CI)以及纹理特征。通过一元和多元线性回归,确定VI、CI、纹理特征和棉花黄萎病病情指数(DI)之间的相关性。采用灰狼优化(GWO)极限学习机(ELM)和粒子群优化(PSO)反向传播神经网络(BP)模型,探究各模型对棉花黄萎病病情程度的估测能力,发现结合植被指数、颜色指数和纹理特征的协同建模方法,能显著提高病情的估测精度,验证集的R2在花期为0.65(RRMSE=42.96),在花铃期为0.66(RRMSE=20.00),在铃期为0.88(RRMSE=10.53),为今后利用低空遥感监测作物病害状况提供思路和方法。(文/张楠楠)

图1总体流程图

论文链接:https://doi.org/10.1016/j.compag.2024.108628

Baidu
sogou