规模化农田无人机多光谱数据质量控制方法与小麦长势监测轻量化模型构建
冯庆贺 （ 青岛国测海遥信息技术有限公司 ）
王紫晴 （ 青岛国测海遥信息技术有限公司 ）
王春晓 （ 青岛国测海遥信息技术有限公司 ）
https://doi.org/10.37155/3041-0827-0210-74Abstract
针对规模化农田小麦长势监测中无人机多光谱数据易受光照、拼接、配准和特征冗余影响的问题，本文 以河南省武陟县冬小麦试验田为对象，构建面向 DJI Mavic 3M 数据的质控与轻量化反演框架。研究建立飞行前、飞 行中、处理后和建模前四级质量标签，提取 NDVI、NDRE、GNDVI、OSAVI 等指数和 ROI 统计特征，并通过相关性 筛选、特征压缩和 LightGBM 参数约束建模。结果表明，LightGBM 对 LAI、AGB、LNC 和 SPAD 的验证集 R² 分别为 0.84、0.83、0.79 和 0.81，模型体积约 142 KB，单样本推理时间平均为5 ms，兼具精度与部署效率。
Keywords
无人机多光谱；数据质量控制；小麦长势；LightGBM；轻量化模型Full Text
PDFReferences
[1]齐浩, 孙海芳, 吕亮杰, 等. 基于无人机多光谱信息
与纹理特征融合的小麦叶面积指数估测[J]. 农业机械学报,
2025, 56(3): 334-344.
[2]王文辉, 田超, 鲁圣权, 等. 基于无人机多光谱影像
和冠层形态的冬小麦叶绿素含量监测研究[J]. 麦类作物学
报, 2026, 46(3): 404-412.
[3]Zu J, Yang H, Wang J, Cai W, Yang Y. Inversion of
winter wheat leaf area index from UAV multispectral images:
classical vs. deep learning approaches[J]. Frontiers in Plant
Science, 2024, 15: 1367828.
[4]朱永基, 陶新宇, 陈小芳, 等. 基于无人机多光谱影
像植被指数与纹理特征的冬小麦地上部生物量估算[J]. 浙
江农业学报, 2023, 35(12): 2966-2976.
[5]Su X, Nian Y, Shaghaleh H, et al. Winter wheat SPAD
estimation based on UAV multispectral imagery[J]. Frontiers
in Plant Science, 2024, 15: 1404238.
与纹理特征融合的小麦叶面积指数估测[J]. 农业机械学报,
2025, 56(3): 334-344.
[2]王文辉, 田超, 鲁圣权, 等. 基于无人机多光谱影像
和冠层形态的冬小麦叶绿素含量监测研究[J]. 麦类作物学
报, 2026, 46(3): 404-412.
[3]Zu J, Yang H, Wang J, Cai W, Yang Y. Inversion of
winter wheat leaf area index from UAV multispectral images:
classical vs. deep learning approaches[J]. Frontiers in Plant
Science, 2024, 15: 1367828.
[4]朱永基, 陶新宇, 陈小芳, 等. 基于无人机多光谱影
像植被指数与纹理特征的冬小麦地上部生物量估算[J]. 浙
江农业学报, 2023, 35(12): 2966-2976.
[5]Su X, Nian Y, Shaghaleh H, et al. Winter wheat SPAD
estimation based on UAV multispectral imagery[J]. Frontiers
in Plant Science, 2024, 15: 1404238.
Copyright © 2026 冯庆贺,王紫晴,王春晓
Publishing time:2026-05-31
This work is licensed under a Creative Commons Attribution 4.0 International License