西澳大利亚农业地区的多光谱遥感 weed 检测

西澳大利亚康迪尼地区因普遍发生的杂草滞留而面临着显著的农业挑战，导致经济损失和生态影响。本研究构建了一个针对西澳大利亚农业应用的定制化多光谱遥感数据集，并开发了一个用于杂草检测的端到端框架，以推动精密农业实践的发展。利用无人机对两个实验区域（E2和E8）持续四年收集原始多光谱数据，覆盖面积为0.6046平方公里，地面真实标注数据通过配备GPS设备的车辆对杂草和作物进行手动标注。该数据集专为西澳大利亚的农业应用设计。我们提出的端到端框架包括去噪、辐射计校正、图像配准、正射化和拼接等 extensive 预处理步骤。该方法将植被指数（NDVI、GNDVI、EVI、SAVI、MSAVI）与多光谱通道结合形成分类特征，并采用多种深度学习模型基于输入特征识别杂草。在这些模型中，ResNet achieves the highest performance，杂草检测准确率为0.9213，F1分数为0.8735，mIOU为0.7888，mDC为0.8865，验证了数据集和所提杂草检测方法的有效性。