Agribrain的博客

本文提出基于无人机和PhenoAI air系统的大豆光合效率研究方法，通过多光谱图像采集，自动分析NDGI、RGRI等植被指数，无损测量大豆冠层性状。该系统可实现10万亩/架次的作业规模，三步完成图像标记、校正和分析，输出精准分割图及数据表。研究表明，自动化表型分析将推动大豆育种突破，该系统还支持深度学习建模和基因挖掘，为作物研究提供从表型到基因组的完整解决方案。

植被指数是农作物生长分析的重要参数，在遥感领域中，由于植被指数有利于观测农作物的涨势和发展状况，从而被广泛应用于农业领域。

农作物播种面积和出苗数是决定农作物产量的主要因素，传统的田块面积统计方法多依赖人工测量统计，这些方法往往耗时耗力，难以满足大面积农田的实时监控需求，随着无人机遥感技术的发展，凭借其快速、宏观、动态、覆盖面积大、易于观测等特点，为大范围获取作物信息提供了新手段。本文将介绍一种基于无人机的快速数苗并进行田块面积统计的方法。

可见光传感器具有成像分辨率高、数据处理简单、成本低等优势，目前在作物覆盖度、生物量监测中应用最广，相比于多光谱相机，可见光相机的波段数较少(普通的可见光传感器只包括R、G、B三个波段)。

本文介绍了一种基于无人机的苗数统计的方法，在高效便捷的同时兼顾精准性，能够正确识别目标作物，分割土壤和植被，统计苗数、覆盖率和田块面积等数据。

本文将以无人机一体化分析系统为工具，通过分析示例作物的图像，获取与作物生长监测相关度较高的几个关键性指标，并将不同小区进行数值对比，介绍如何使用无人机技术进行作物生长监测。

农作物苗期阶段的生长状态和健康状况是作物生命周期中的关键时期，决定了后续生长和产量的潜力,传统苗情获取主要依靠植保员田间抽样调查、手动估算，这种方式主观性强、精确度低且费时费力，难以满足当前农业发展要求。随着遥感技术的发展，针对大田环境中作物苗情信息人工采集困难、误差大、效率低等问题，无人机具有效率高、成本低、操作灵活、更适合复杂农田环境等特点，不仅克服了人工获取影像数据的困难，还可减少人体接触对农作物的损害，为大范围农情信息获取提供了新的技术手段。

高光谱数据具有比RGB图像和多光谱数据更高的光谱分辨率和信息含量，这使其能够识别和分析传统影像无法检测到的材料和生物。已有研究结果表明，高光谱遥感在作物含氮量、产量和营养价值监测等方面具有较高可行性。

以田间选择为主的“经验育种”表型评价方法仍然需要耗费大量的人力和物力，且效率低。因此，高效信息采集工具越来越备受关注，其中无人机采集分析一体化技术为田间作物品种选育提供了最优方法，可实现光谱数据的快速精准采集和检测，从而反映植物健康程度或生理生态情况。植被光谱指数分析可以为品种筛选提供重要标准，本次将以NDVI、mSR、RVI、LCI、OSAVI植被指数为抗逆的标准。的NDVI、mSR、RVI、LCI、OSAVI等关键植被指数均比2号小区表现优异，结果表明：1号小区品种比2号小区品种更抗逆。