基于无人机多光谱时间序列图像与机器学习方法的辣椒枯萎病早期检测

《Sensors》：Early Detection of Pepper Wilt Disease Using Unmanned Aerial Vehicle-Based Multispectral Time-Series Imagery

　　摘要本研究评估利用基于无人机的多光谱时间序列图像获取的植被指数和机器学习分类方法来早期检测辣椒枯萎病。多光谱图像于2023年6月至8月采集，病害状况通过田间诊断和图像目视解译确定，以确诊植株为参考。研究使用九个植被指数构建了k最近邻(KNN)、支持向量机和逻辑回归(LR)模型。对于6月和7月的数据集，最佳模型为逻辑回归，验证准确率分别为0.860和0.925，召回率分别为0.850和1.000，F1分数分别为0.850和0.930。最佳合并数据集模型为KNN，但其表现未超过月度数据集模型。在两个月度数据集模型中，差异植被指数显示出最高的变量重要性，而7月模型中归一化差异植被指数的变量重要性显著更高。在植被指数和光谱特征的直方图分析中也观察到类似趋势。因此，反映作物生长和病害进展的特定日期模型比跨日期合并观测更有效。总体而言，基于无人机的多光谱时间序列图像为田间规模辣椒枯萎病的早期检测和及时管理提供了实用基础。