Rozlišování plodin a plevelů na základě spektrálních vlastností

Bc. Kamila Nová

Master's thesis

Discrimination of crops and weeds based on spectral properties

Anotácia:

Tato diplomová práce je zaměřena na rozlišování plodin a plevelů na základě spektrálních vlastností. V současné době je nezbytně nutné zaměřit se na snížení aplikace přípravků na ochranu rostlin v zemědělství včetně herbicidů. Jejich cílená aplikace však vyžaduje efektivní a spolehlivé metody pro detekci zaplevelení v porostech plodin. Spektrální analýza je ve srovnání s dalšími analytickými postupy rychlá a šetrná k životnímu prostředí, což se v posledních letech dostává do popředí zájmu. Pro detekci vegetace a rozlišení jednotlivých rostlinných druhů jsou využívány vlnové délky obvykle v rozsahu od 400 do 2500 nm, tedy viditelné záření, NIR a SWIR. Pro potřeby naplnění cílů je v první části práce stanovena hypotéza, která předpokládá, že mezi některými rostlinnými druhy existují rozdíly ve spektrálních vlastnostech, které umožní jejich vzájemné odlišení. V teoretické části se jedná o literární rešerši a výstupy z výzkumů týkajících se této metody. Ve druhé části byla zpracována a analyzována data z vlastního pozorování. Byly navrženy algoritmy pro vhodné rozpoznání jednotlivých rostlinných druhů a stanoven závěr.S využitím přenosného spektrometru Fieldspec 4 byla analyzována spektrální odrazivost u bílého zelí a vybraných plevelů (bažanka roční, ježatka kuří noha, laskavec ohnutý, merlík bílý) v raných růstových fázích, v rozsahu vlnových délek od 350 do 2500 nm. Byla identifikována spektrální pásma, která jsou charakteristická pro jednotlivé rostlinné druhy a jejich růstové fáze. Pomocí analýzy hlavních komponent (PCA) byla ověřena vhodnost vybraných spektrálních pásem pro diskriminaci jednotlivých rostlinných druhů. Pro klasifikaci dat byla použita lineární diskriminační analýza (LDA). Výsledky klasifikace byly vyjádřeny celkovou přesností klasifikace a chybovou maticí, senzitivitou a specificitou. V případě validačních dat bylo dosaženo velmi vysoké přesnosti klasifikace (99,45 %). Většina měřených objektů byla pomocí lineární diskriminační analýzy přiřazena zcela bezchybně k rostlinným druhům. Tomu odpovídají vysoké hodnoty dalších sledovaných parametrů. Senzitivita i specificita byla u všech klasifikačních tříd vyšší než 0,98 a korigovaná přesnost klasifikace byla pro všechny třídy vyšší než 0,99.Prezentované výsledky naznačují, že spektrální analýza může být velmi spolehlivou metodou pro odlišení plevelů od plodiny. Získaná data mohou být využita při tvorbě klasifikačních algoritmů pro detekční systémy založené na hyperspektrálním snímkování.

Abstract:

This diploma thesis is focused on discrimination of crops and weeds based on spectral properties. At present, it is essential to focus on reducing the application of plant protection products in agriculture, including herbicides. However, their targeted application requires effective and reliable methods for weed detection in crops. Spectral analysis is fast and environmentally friendly, along with other analytical procedures, which has come to the forefront of interest in recent years. Wavelenghts usually in the range from 400 to 2500 nm in visible, NIR and SWIR are used to detect vegetation and distinguish individual plant species. For purposes of meeting the objectives the first part of the thesis provides a hypothesis which suggests that there are differences in spectral properties between some plant species which will enable their discrimination. In the theoretical part there is a literature search and research outputs related to this method. In the second part tha data from own observations have been processed and analyzed. Algorithms for appropriate recognition of individual plant species have been suggested and the conclusion has been set. The spectral reflectance of white cabbage and selected weeds (Mercurialis annua L., Echinochloa crus-galli, Chenopodium album L, Amaranthus retroflexus L) in early growth stages was analyzed in the wavelenghts range from 350 to 2500 nm, using a portable Fieldspec 4 spectrometer. Spectral bands that are characteristic for individual plant species and their growth phases were identified. Using the principal component analysis (PCA), the suitability of the selected spectral bands for the discrimination of individual plant species was verified. Linear discriminant analysis (LDA) was used to classify the individual plant species. The classification results were expressed by the overall accurancy of the classification and the error matrix, sensitivity and specificity.In the case of validation data, the classification accuracy was achieved (99,45 %). Most of the measured objects were assigned to plant species without any errors using linear discriminant analysis. This corresponds to the high values of other monitored parameters. Sensitivity and specificity were higher than 0,98 for all classification classes and corrected classification accuracy was higher than 0,99 for all classes.The presented results suggest that spectral analysis can be a very reliable method for distinguishing weeds from crops. The obtained data can be used in the creation of classification algotithms for detection systems based on hyperspectral imaging.

Kľúčové slová

spektrální analýza, plevele, plodiny, vegetační indexy, cílená regulace, precizní zemědělství

Keywords

spectral anylysis, crops, weeds, vegetation indices, targeted regulation, precision agriculture

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 23. 7. 2020

Obhajoba závěrečné práce

• Vedúci: Ing. Pavel Hamouz, Ph.D.

Czech University of Life Sciences Prague

Faculty of Agrobiology, Food and Natural Resources

Master programme / odbor:
Rural Development and Agriculture / Development of Rural Areas