文献

J-GLOBAL ID：202102220355960593   整理番号：21A0317483

無人航空機低高度リモートセンシングに基づくイネ畑雑草分布図研究【JST・京大機械翻訳】

Study on distribution map of weeds in rice field based on UAV remote sensing

著者 (6件)： Zhu Sheng (国家精准農業航空施薬技術国際聯合研究中心/華南農業大学 工程学院,广東 广州 510642) ,  Deng Jizhong (国家精准農業航空施薬技術国際聯合研究中心/華南農業大学 工程学院,广東 广州 510642) ,  Zhang Yali (国家精准農業航空施薬技術国際聯合研究中心/華南農業大学 工程学院,广東 广州 510642) ,  Yang Chang (国家精准農業航空施薬技術国際聯合研究中心/華南農業大学 工程学院,广東 广州 510642) ,  Yan Zhiwei (国家精准農業航空施薬技術国際聯合研究中心/華南農業大学 工程学院,广東 广州 510642) ,  Xie Yaoqing (国家精准農業航空施薬技術国際聯合研究中心/華南農業大学 工程学院,广東 广州 510642)
資料名： Huanan Nongye Daxue Xuebao  (Huanan Nongye Daxue Xuebao)
巻： 41  号： 6  ページ： 67-74  発行年： 2020年 
JST資料番号： C2693A  ISSN： 1001-411X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： [目的]水稲畑の低空リモートセンシング画像を取得し、雑草分布図を獲得し、畑雑草の精密施肥に参考を提供する。【方法】サポートベクトルマシン(SVM),K最近傍アルゴリズム(KNN),およびAdaBoostの3つの機械学習アルゴリズムを使用し,色特徴抽出と主成分分析(PCA)による次元縮小後の無人機で撮影したイネ畑の雑草の可視光画像を分類し,比較した。抽出特徴および次元縮小を必要とせず、画像特徴を自動的に獲得できる畳込みニューラルネットワーク(CNN)を導入し、水稲畑の雑草画像を分類し、分類精度を向上させた。【結果】SVM,KNN,およびAdaBoostは,それぞれ,0.5004,2.2092,および0.4111sであり,分類精度は,それぞれ89.75%,85.58%,および90.25%であった。CNNの画像分類精度は92.41%に達し、上述の3種類の機械学習アルゴリズムの分類精度より高い。機械学習アルゴリズムおよびCNNは,イネおよび雑草を効果的に同定し,雑草の分布情報を得て,イネ畑の雑草分布地図を生成することができた。[結論]CNNは水稲畑雑草の分類精度が最も高く、生成した水稲畑の雑草分布図が最もよい。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  施肥 ,  特徴抽出 ,  画像特性 ,  *リモートセンシング ,  *雑草 ,  *無人機 ,  水稲 ,  主成分分析 ,  次元縮小 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： AdaBoost ,  リモートセンシング画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 雑草による植物被害  (FC04062J) ,  パターン認識  (JE07000S) ,  トウモロコシ  (FC03034D)

タイトルに関連する用語 (8件)： 無人航空機 ,  高度 ,  リモートセンシング ,  イネ ,  畑 ,  雑草 ,  分布図 ,  研究