36、农业领域机器学习技术的应用：从无人机喷雾区域识别到油棕榈基腐病分类

农业领域机器学习技术的应用：从无人机喷雾区域识别到油棕榈基腐病分类

在农业生产中，高效的管理和精准的疾病检测至关重要。近年来，机器学习技术在农业领域得到了广泛应用，为解决农业生产中的诸多问题提供了新的思路和方法。本文将介绍两个方面的应用：一是基于无人机图像的喷雾区域识别系统的开发；二是利用热成像和不平衡数据方法对油棕榈基腐病进行分类。

无人机喷雾区域识别系统

为了实现未来自主喷雾系统的开发，研究人员利用多子空间方法（MSM）为无人机在不同类型农田和果园收集的图像开发了一个机器学习系统。该系统旨在训练和测试两个分类器，分别用于农业耕地和果园区域，以区分喷雾和非喷雾区域。

1. 图像采集
   • 研究人员在低空（5米）和高空（15米）进行图像采集，以获取不同高度下的农田和果园信息。
2. 系统性能
   • 离线识别系统 ：低空系统的准确率为74.4%，高空系统的准确率为77.0%。
   • 在线识别系统 ：低空图像采集系统的平均准确率为65.1%，高空图像采集系统的平均准确率为75.1%。在线识别系统的计算时间平均最少为0.0031秒，能够实时报告滑动窗口中帧的分类器识别结果。
3. 不同作物和土地的识别情况
   | 作物/土地 | 飞行高度（米） | 准确率（%） | 分类器识别时间（秒） |
   | — | — |