多光譜相機RedEdge-P對農田作物監測

訪(fǎng)問(wèn)次數：1364

產(chǎn)品廠(chǎng)地：深圳市

更新時(shí)間：2022-10-15

簡(jiǎn)要描述：多光譜相機RedEdge-P對農田作物監測，RedEdge-P無(wú)人機載多光譜相機是款堅固耐用、質(zhì)量和功能大的多光譜相機。擁有分辨率全色帶，輸出分辨率為2cm (離地60m)。捕捉經(jīng)過(guò)校的分辨率多光譜和RGB圖像，化的FOV和捕獲率。集成了分辨率全彩色成像儀和同步多光譜成像儀,以實(shí)現像素對齊輸出

聯(lián)系我們 在線(xiàn)咨詢(xún)

多光譜相機RedEdge-P對農田作物監測

MicaSense多光譜相機RedEdge-P產(chǎn)品應用：

植物計數:植物計數算法需要分辨率圖像。RedEdge- P將全色透鏡與分辨率多光譜透鏡相結合，可生成分辨率RGB和多光譜，使其即使在早期生長(cháng)階段也能進(jìn)行植物計數。

表型分析:手動(dòng)測量農作物的各項征數據非常耗時(shí)，RedEdge- P波段組合允許生成分辨率多光譜輸出，從而能夠檢測葉的變異性。

植物健康制圖: RedEdge-P的分辨率多光譜輸出允許生成指數和復合指數，以查看植物中單個(gè)葉綠素水平并隨著(zhù)時(shí)間的推移對數值進(jìn)行比較。

病蟲(chóng)害識別: RedEdge-P能夠捕捉用于植物研究的關(guān)鍵光譜部分(712~722 nm)。此部分稱(chēng)為紅邊諸帶。正是在這個(gè)光譜帶，植物開(kāi)始顯現逆境狀況。借助由紅邊諸帶生成的分析數據，我們可以快地識別病蟲(chóng)害并快地采取措施來(lái)阻止病害傳播。

作物區分和雜草識別:物種之間的某些差異可能無(wú)法通過(guò)肉眼進(jìn)行判斷。分辨率的多光譜數據可通過(guò)突出顯示葉綠素含量、植物活力和葉片大小等征來(lái)區分物種(包括雜草)。

作物勘查:分辨率的多光譜和RGB成像技術(shù)具有的田地偵察功能。RedEdge-P在次 飛行中，可以收集某個(gè)問(wèn)題確且帶有地理標簽的信息，從而使您可以輕松評估現場(chǎng)情況并確定適當的干預措施。

分辨率3D點(diǎn)云: RedEdge- P的5.1MP像素全色波段提供了RedEdge-MX (行業(yè)標)兩倍以上的地面分辨率，可生成較點(diǎn)密度達4倍的3D點(diǎn)云。

肥料管理: RedEdge P的分辨率和確輸出不可以輕松識別養分含量低的區域，還可以幫助監控整個(gè)季節的施肥效果來(lái)確定是否需要，以及在何時(shí)何地需要再次施肥。

倒伏是影響農作物產(chǎn)量的一個(gè)常見(jiàn)且重要的因素，常由大風(fēng)、暴雨、冰雹等氣象災害引發(fā)，一般多發(fā)生在水稻、小麥、玉米等糧食作物灌漿期至成熟期，導致作物嚴重減產(chǎn)，谷物品質(zhì)下降。

快速、準確地監測作物的倒伏災害，有助于管理者及時(shí)評估損失，也有助于育種人員選育抗倒伏品種。
近年來(lái)，基于無(wú)人機平臺的遙感技術(shù)正以其機動(dòng)靈活、低成本的勢，在倒伏監測中發(fā)揮著(zhù)越來(lái)越重要的作用。此次來(lái)自上海農科院的田明璐和班松濤博士為我們講述了他們如何使用無(wú)人機多光譜/可見(jiàn)光傳感器監測水稻倒伏，并且對比了這兩種傳感器的監測結果。

倒伏監測流程  

無(wú)人機倒伏監測流程可以分為三個(gè)步驟，分別是數據采集、數據處理、以及數據分析。
在數據采集階段，工作人員使用無(wú)人機搭載可見(jiàn)光或多光譜傳感器對農田進(jìn)行掃描式影像采集，需要注意飛行度、重疊率以及天氣等因素。

在數據處理階段，把上一階段采集到的可見(jiàn)光或多光譜影像導入Pix4D軟件中進(jìn)行校正、拼接等處理。班松濤博士評價(jià)說(shuō)：“Pix4D軟件能生成定位和輻射雙的正射影像，是我們進(jìn)行農業(yè)研究的利器。" 這一階段的成果是農田的完整可見(jiàn)光或多光譜正射影像鑲嵌圖。
在數據分析階段，工作人員分別使用農科所自行研發(fā)的倒伏監測模型，對上述各種正射影像進(jìn)行逐像元的解算和分類(lèi)，找出哪里是正常作物，哪里是倒伏作物。
可見(jiàn)光倒伏監測模型的分類(lèi)機理是基于作物的色彩和紋理。相比于正常作物，倒伏作物在色彩和紋理上都會(huì )有明顯不同：比如倒伏水稻的紋理更為規則，在綠通道上的均值紋理特征要顯著(zhù)于正常水稻。

可見(jiàn)光倒伏監測基礎：倒伏/正常作物在色彩和紋理上會(huì )有明顯不同
相對而言，多光譜倒伏監測模型的分類(lèi)機理是：當作物發(fā)生倒伏后，作物冠層結構和植株理化成分發(fā)生變化，進(jìn)而影響反射光譜。比如在綠、紅邊和近紅外波段，倒伏作物的反射率與正常作物有明顯區別。

可見(jiàn)光 vs 多光譜  
以下兩張是可見(jiàn)光和多光譜倒伏監測模型所得到的分類(lèi)圖，兩者的分類(lèi)結果基本一致，倒伏水稻約占整體面積的30%。

上圖：基于可見(jiàn)光影像的倒伏分類(lèi)圖；下圖：基于多光譜影像的倒伏分類(lèi)圖

田明璐和班松濤博士分別從以下幾個(gè)維度，來(lái)分析可見(jiàn)光和多光譜，哪個(gè)方法更占勢：

基于可見(jiàn)光和多光譜的倒伏監測模型，其識別都達到了90%以上。使用多光譜影像比使用可見(jiàn)光影像更，這主要是因為多光譜相機能獲取更大范圍波長(cháng)的信號，特別是對植被敏感的紅外波段和近紅外波段。此外，多光譜相機獲取的數據經(jīng)過(guò)了嚴格的輻射校正，生成的數據比可見(jiàn)光相機更準確。

處理時(shí)間

基于多光譜影像的倒伏監測模型更為簡(jiǎn)潔，物理意義更明確，對圖像的解算速度也更快。

成本

可見(jiàn)光相機使用范圍廣，成本更低，因此具有更廣闊的應用前景。

結論

使用多光譜相機還是可見(jiàn)光相機，需要根據項目的大小、目標、預算、已有技術(shù)等實(shí)際情況來(lái)決定。然而無(wú)論使用哪種傳感器，基于無(wú)人機平臺的遙感技術(shù)都可以及時(shí)、效、地提取作物倒伏信息，可以作為作物災害監測的有效技術(shù)手段。

RedEdge-P產(chǎn)品特點(diǎn)：

CFexpress移動(dòng)存儲，存儲空間大

每2次以上的捕獲率

分辨率RGB和多光譜同步捕獲，多達6個(gè)離散光譜波段，分辨率輸出，如RGB、作物活力指數(NDVI. NDRE等)和分辨率全色波段

空間分辨率，可達2cm (離地60m)

空間分辨率1:1輸出，每個(gè)成像器都有個(gè)濾鏡

具有全色段圖像銳化，圖像清晰

全色段傳感器，達5.1MP

配備CRP2校正板，是經(jīng)過(guò)校的光發(fā)射控制板

堅固設計，IP4X防塵和防濺

多光譜相機RedEdge-P對農田作物監測