基于无人机的多光谱成像和机器学习技术，用于检测和绘制小农户农场中的玉米叶部病害

《Scientific Reports》：UAV-based multispectral imaging and machine learning for detecting and mapping maize leaf diseases in smallholder farms

　　

摘要

玉米（Zea Mays）是全球最重要的主粮作物之一，为人类提供食物，也为牲畜提供饲料。然而，其生产受到多种压力的威胁，包括作物病害，这些病害会显著降低产量，尤其是在小农户的种植系统中。传统的病害检测方法（如目视检查）通常劳动强度大、主观性强且容易出错，导致干预措施延迟以及作物损失严重。本研究利用无人机（UAV）遥感和机器学习（ML）技术，探讨了在南非林波波省莫帕尼地区的一个小农户农场中检测玉米叶部病害的可行性。研究结合了无人机获取的植被指数（包括NDVI、GNDVI和NDRE）与多光谱数据，并运用了三种机器学习算法（支持向量机SVM、随机森林RF和极端梯度提升XGBoost），首先区分健康植株和病害植株，然后对具体的玉米病害进行分类。SVM算法在区分健康和病害作物与其他土地覆盖类型（准确率为91.73%）以及识别特定病害（准确率为89.41%）方面表现最佳。在识别出的病害中，南方玉米叶枯病的分类准确率最高，而磷缺乏病的分类准确率最低。研究结果表明，将基于无人机的多光谱成像技术与机器学习相结合应用于精准农业具有巨大潜力，能够及时提供详细的空间病害信息，从而实现有针对性的管理措施，减少作物损失，提升小农户的粮食安全。