无人机多光谱作物病害U-Net++分割与变量施药处方生成.docxVIP

PAGE2

无人机多光谱作物病害U-Net++分割与变量施药处方生成

摘要

精准农业背景下，传统作物病害防治存在施药粗放、农药浪费与环境污染等问题。本研究旨在设计并实现一套基于无人机多光谱遥感与深度学习技术的变量施药处方生成系统，以提升农药利用效率。系统核心方案为：利用无人机获取多光谱影像，通过NDVI与NDRE特征融合增强病害信息，采用改进的U-Net++模型进行病害区域像素级分割，并结合TensorRT进行模型推理加速，最终生成1米分辨率的变量施药处方图。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。首先，分析精准施药对高效病害识别与处方生成的需求，明确系统功能与非功能指标。其次，设计系统总体架构与核心模块，包括数据采集、特征融合、模型分割、处方生成四大模块。接着，详细阐述了NDVI/NDRE特征融合算法、U-Net++模型改进与TensorRT加速部署等关键技术实现。最后，通过实地测试验证系统性能。

测试结果表明，本系统生成的处方图分辨率达到1米，在保证防治效果与人工目视巡查对照持平的前提下，实现了农药减量32%的目标。核心创新点在于提出了NDVI与NDRE特征融合策略以提升早期病害识别能力，并利用TensorRT技术实现了模型在边缘计算设备上的实时推理，为田间快速决策提供了技术支持。

第一章绪论

1.1研究背景

我国作为农业大国，农作物病虫