基于卷積神經(jīng)網(wǎng)絡(luò)的無人機遙感農(nóng)作物分類

汪傳建 趙慶展 馬永建 任媛媛

(1.石河子大學信息科學與技術(shù)學院， 石河子 832000； 2.兵團空間信息工程技術(shù)研究中心， 石河子 832000)

0 引言

農(nóng)作物識別是農(nóng)業(yè)現(xiàn)代化的初始階段和重要環(huán)節(jié)[1]。快速準確地獲取作物種植類別、有效估算作物結(jié)構(gòu)類型及空間分布信息，可為作物普查、產(chǎn)量預(yù)測和災(zāi)害評估等工作提供技術(shù)支撐，也是政府部門制訂農(nóng)業(yè)政策的重要依據(jù)[2]。新疆地域遼闊、資源豐富，是國家重要的農(nóng)作物生產(chǎn)基地，但其生態(tài)環(huán)境比較脆弱，農(nóng)業(yè)生產(chǎn)面臨干旱、風沙、嚴寒等多種災(zāi)害威脅，及時有效地獲取該地區(qū)農(nóng)作物種植信息，對保證新疆糧食生產(chǎn)安全、促進農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。

圖1 研究區(qū)主要地物物候信息Fig.1 Main phenological information of study area

目前，國內(nèi)外多采用長時間序列衛(wèi)星數(shù)據(jù)，結(jié)合農(nóng)作物植被指數(shù)時間變化特征，提取作物時序生長曲線，從而實現(xiàn)農(nóng)作物精細分類[3-4]。隨著遙感技術(shù)的不斷發(fā)展，遙感影像的空間分辨率越來越高，蘊含的地物信息更加豐富。高分辨率遙感的應(yīng)用為縮短觀測周期、充分利用紋理形狀信息進行農(nóng)作物精細分類提供了良好的數(shù)據(jù)支持。如陳杰等[5]利用QuickBird影像采用面向?qū)ο蠓椒ǚ謩e對農(nóng)田和樹種進行分類；田振坤等[6]利用無人機影像結(jié)合NDVI數(shù)據(jù)對小麥進行快速識別；EDDY等[7]利用高分辨率遙感影像成功提取油菜、豌豆和雜草分布信息。但空間分辨率的提升也給后續(xù)影像解譯帶來了挑戰(zhàn)[8-10]。以往基于像素特征的分類方法如馬氏距離法、最近鄰分類法等難以有效提取影像中目標特征，導致錯分和椒鹽現(xiàn)象[11]。傳統(tǒng)淺層學習算法如支持向量機(SVM)、隨機森林(RF)等，雖然對簡單特征有著較好的提取效果，但處理過程只經(jīng)過較少層次的非線性變換組合，對影像中復(fù)雜特征的提取效果較差[12-14]，隨著遙感影像數(shù)據(jù)量的增加，淺層模型也難以滿足影像處理需求。深度學習的興起為該問題提供了有效解決途徑，它是一種包含多個隱含層的感知器，可將樣本在原空間的特征變換到新的特征空間，自動學習并得到層次化的特征表示，進而提升分類的準確性[15]。近年來，深度學習在遙感影像中的應(yīng)用研究多集中于大型地物目標識別，如飛機、輪船、房屋等信息的提取[16-19]，針對農(nóng)業(yè)方面的應(yīng)用較少，特別是針對高分辨率遙感影像中農(nóng)作物精細分類的研究鮮有報道。

本文采用深度學習的方法，針對傳統(tǒng)農(nóng)作物精細分類過程中影像時間序列長、高分辨率影像信息利用不足、類內(nèi)像元差異導致椒鹽噪聲等問題，選取新疆維吾爾自治區(qū)沙灣縣蘑菇湖村為研究區(qū)，通過無人機獲取農(nóng)作物遙感數(shù)據(jù)，將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到典型農(nóng)作物精細分類中，分析網(wǎng)絡(luò)參數(shù)調(diào)整、光譜特征組合對農(nóng)作物分類精度的影響，探討卷積神經(jīng)網(wǎng)絡(luò)在農(nóng)作物精細分類中的適用性及優(yōu)化流程，以期為農(nóng)作物精細分類提供新的思路。

1 實驗數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)位于新疆維吾爾自治區(qū)沙灣縣蘑菇湖村(85°51′49.44″E，44°25′26.61″N)，該地區(qū)氣候干燥，光熱資源豐富，適合棉花、玉米、西葫蘆等農(nóng)作物的生長。區(qū)域內(nèi)主要地物物候周期如圖1所示，表現(xiàn)為棉花播種時間為4月上旬，生長周期較長，為8個月左右，玉米播種時間為5月下旬至6月上旬，生長周期較短，為3個月左右，西葫蘆在7月達到成熟期。

1.2 實驗數(shù)據(jù)獲取

野外調(diào)查數(shù)據(jù)采集時間為2018年7月9—15日，根據(jù)實驗區(qū)規(guī)模分3個樣區(qū)進行采樣，利用GPS標注樣區(qū)內(nèi)農(nóng)作物類型及位置，共獲取231塊大田信息。實驗選用復(fù)合翼無人機為飛行平臺，該無人機翼展2 m，機身長度3 m，續(xù)航時間可達120 min。成像設(shè)備搭載索尼RX0和Micro MCA12 Snap多光譜相機，其中索尼RX0具有24 mm主距，CCD尺寸為2.75 μm，整體尺寸59 mm×40.5 mm×29.8 mm。多光譜相機具有12個可選波段，前5個波段位于可見光區(qū)域，波段6、7位于植被反射光譜曲線的紅邊區(qū)域，最后5個波段位于近紅外區(qū)域，整機質(zhì)量1.3 kg，尺寸為9.34 cm×6.3 cm×4.6 cm。設(shè)計飛行高度400 m，航速20 m/s，航向重疊率65%，旁向重疊率70%，經(jīng)兩個架次飛行，獲取典型農(nóng)作物遙感影像面積約867 hm2，可見光數(shù)據(jù)空間分辨率達0.05 m，多光譜數(shù)據(jù)空間分辨率為10 m，包含棉花、西葫蘆、玉米等多種地物信息。研究區(qū)位置如圖2所示。

圖2 研究區(qū)位置示意圖Fig.2 Location of study area

1.3 實驗數(shù)據(jù)預(yù)處理

根據(jù)飛行中采用的RTK/PPK定位技術(shù)，對飛行記錄數(shù)據(jù)進行解算，得到每幅影像精確位置，將影像數(shù)據(jù)與位置信息同時導入Pix4D進行拼接，得到研究區(qū)正射影像。參照人工調(diào)查數(shù)據(jù)，在正射影像中對已標明地物類型的地塊進行感興趣區(qū)選取。本文共選取感興趣區(qū)域5 000處，地物類型包括棉花、西葫蘆、玉米和其他，將選取的感興趣區(qū)統(tǒng)一保存為.mat格式文件，經(jīng)樣本集制作軟件處理，生成實驗樣本數(shù)據(jù)。通過數(shù)據(jù)預(yù)處理，本文共獲取3通道農(nóng)作物訓練樣本41 600個，樣本尺寸為255像素×255像素，受研究區(qū)作物分布影響，各類樣本數(shù)量有少許差別，其中棉花樣本11 600個，西葫蘆樣本10 600個，玉米樣本8 600個，其他地物樣本10 800個。

1.4 典型農(nóng)作物光譜特性分析

實驗數(shù)據(jù)采集時間為7月下旬，在該時間段內(nèi)，棉花處于花鈴期,玉米處于穗期,西葫蘆處于結(jié)瓜期，此時3種農(nóng)作物均已完成葉片發(fā)育，具有典型的綠色植物光譜反射特征，3種農(nóng)作物光譜反射曲線如圖3所示。

圖3 典型農(nóng)作物光譜曲線Fig.3 Typical crop spectrum curves

在可見光波段，3種農(nóng)作物統(tǒng)一呈現(xiàn)出“低-高-低”的光譜反射率趨勢，這是由于葉片內(nèi)各種色素對光譜波段的吸收所致。在可見光與近紅外波段之間，反射率急劇上升，形成“紅邊”現(xiàn)象。隨著波長進一步增加至0.93 μm波段附近，光譜特性受葉子內(nèi)部構(gòu)造影響，多子葉植被相比單子葉植被具有更高的反射率(棉花高達0.85)。

從光譜分析可以看出，在可見光波段3種農(nóng)作物有著相同的光譜反射趨勢，反射率同樣較為相近，最低值0.05出現(xiàn)在藍光波段，最高值出現(xiàn)在綠光波段，可達0.15。觀察整個光譜反射率曲線并結(jié)合已獲取的遙感數(shù)據(jù)，考慮到近紅外波段3種農(nóng)作物反射率的細微差異，計算3類地物歸一化植被指數(shù)(NDVI)并觀察其區(qū)別，計算公式為

(1)

式中NDVI——歸一化植被指數(shù)

ρnir——近紅外波段反射率

ρred——紅光波段反射率

NDVI能夠增強遙感影像中的植被響應(yīng)能力，是目前已有的40多種植被指數(shù)中應(yīng)用最廣泛的一種[20]。去除計算結(jié)果異常值，取置信度為2，統(tǒng)計3類地物NDVI特征值和對應(yīng)的像素百分比，結(jié)果如表1和圖4所示。

表1 NDVI統(tǒng)計特征值Tab.1 NDVI statistical eigenvalues

圖4 典型農(nóng)作物NDVI統(tǒng)計分布圖Fig.4 Statistical distribution of typical crop NDVI

結(jié)果顯示，棉花、玉米、西葫蘆3種農(nóng)作物的NDVI都很高，均值分別為0.889 9、0.906 1、0.878 2，同時分布較為集中，標準差分別為0.051 8、0.042 6、0.052 1,NDVI特征統(tǒng)計曲線相互重疊交錯。即使通過簡單的主成分分析(PCA)方法將特征緯度降至3維，也很難尋找一個平面區(qū)分3種典型農(nóng)作物。PCA特征下的3種農(nóng)作物散點圖如圖5所示。為了更好地識別3種農(nóng)作物，可以借助深度學習方法，利用卷積神經(jīng)網(wǎng)絡(luò)提取影像中不同農(nóng)作物包含的復(fù)雜特征，并利用這些特征解決分類問題。

圖5 PCA特征下典型農(nóng)作物散點圖Fig.5 Scatter plot of typical crops under PCA characteristics

1.5 卷積神經(jīng)網(wǎng)絡(luò)模型的搭建

卷積神經(jīng)網(wǎng)絡(luò)憑借其多層卷積、權(quán)值共享、旋轉(zhuǎn)位移不變性等特點，在影像分類、地物識別等任務(wù)中均取得較好效果[10]。CNN所提取的深層復(fù)雜特征往往能夠有效描述影像中不同類別之間的差異，快速準確地完成分類任務(wù)[14]。根據(jù)已有的模型經(jīng)驗，針對無人機高分辨率遙感影像光譜信息較少、形狀紋理信息豐富的特點，采用深層卷積結(jié)構(gòu)，設(shè)計適用于農(nóng)作物識別的網(wǎng)絡(luò)模型，該模型整體框架如圖6所示。

圖6 典型農(nóng)作物識別網(wǎng)絡(luò)整體結(jié)構(gòu)圖Fig.6 Overall structure of typical crop identification network

整個網(wǎng)絡(luò)共7層，包含5層卷積層和2層全連接層。模型各部分參數(shù)設(shè)置如下：

(1)輸入部分。輸入數(shù)據(jù)為1.3節(jié)中制作的可見光樣本數(shù)據(jù)，尺寸為255像素×255像素，標有地物類型標簽，便于模型進行訓練識別。

(2)卷積層。卷積層與ReLU激活函數(shù)層相結(jié)合實現(xiàn)去線性化，在部分卷積層后附加池化層，用以減少全連接層參數(shù)，防止過擬合問題[16]。模型初始卷積核參數(shù)如表2所示。

表2 網(wǎng)絡(luò)初始卷積核參數(shù)設(shè)置Tab.2 Setting of initial convolution kernel parameters of network

在卷積層運算過程中，輸入與輸出數(shù)據(jù)關(guān)系為

(2)

式中y——卷積輸出數(shù)據(jù)尺寸，像素

x——卷積輸入數(shù)據(jù)尺寸，像素

nj——卷積核尺寸，像素

sj——卷積步長

nc——池化尺寸，像素

sc——池化步長

p——對輸入數(shù)據(jù)進行四邊填充的規(guī)模

(3)全連接層。全連接層具有與上層輸出相同規(guī)模的濾波器(6×6×256)，每個濾波器生成一個運算結(jié)果，經(jīng)drop運算后輸出。

(4)其他參數(shù)。采用隨機梯度下降法訓練網(wǎng)絡(luò)，使用一個均值為0、標準差為0.01的高斯分布初始化每一層的權(quán)重。第2、4、5個卷積層以及全連接層的神經(jīng)元偏差初始化為1，該初始化可提供帶正輸入的ReLU函數(shù)來加速學習的初級階段，其余層則初始化為0。

1.6 光譜特征及模型參數(shù)選擇

網(wǎng)絡(luò)參數(shù)的選擇對模型訓練效率和最終分類精度起著重要作用，只有選擇合適的參數(shù)才能使模型更高效地完成特征提取。根據(jù)經(jīng)驗，分別從光譜和網(wǎng)絡(luò)結(jié)構(gòu)層面進行參數(shù)選取，探尋卷積神經(jīng)網(wǎng)絡(luò)在農(nóng)作物精細分類中的優(yōu)化過程。保持模型結(jié)構(gòu)不變，學習率以及批次的設(shè)置對訓練過程有著較大的影響。一個理想的學習率可促進模型收斂，相反則會造成訓練震蕩甚至直接導致目標函數(shù)損失值“爆炸”[10]。合適的批次可確保模型對梯度向量的精確估計，保證以最快的速度下降到局部極小值。本文設(shè)置的學習率為0.1、0.01、0.001，對應(yīng)的讀取批次為64、100、128。

從1.4節(jié)的分析可以看出，3種農(nóng)作物在可見光波段的反射率極為相近，很難根據(jù)反射率曲線將3種農(nóng)作物區(qū)分開。在ENVI中使用波譜工具發(fā)現(xiàn)，3種農(nóng)作物在不同波段內(nèi)的像素亮度(DN)有少許差別，如圖7所示。

圖7 典型農(nóng)作物波段差異圖Fig.7 Diagram of typical crop band difference

由圖7可以看出，像素亮度由大到小依次為西葫蘆、棉花、玉米，藍光波段下3種農(nóng)作物像素亮度之差最為明顯，隨著波長增加差異逐漸減小。考慮3種農(nóng)作物在不同波段的差異關(guān)系，在原訓練數(shù)據(jù)基礎(chǔ)上，選取不同波段組合構(gòu)成新的訓練樣本，分析波段信息變化對模型識別效果的影響。波段組合信息如表3所示。 表中R、B、G分別表示紅光、藍光、綠光波段。

在模型中，大卷積核具有較大的感受野，本層的一個像素代表前一層更多的信息，但會造成細節(jié)的遺漏；小卷積核與之相反，卻無法很好地表示稀疏數(shù)據(jù)特征[21-22]。結(jié)合本文實驗數(shù)據(jù)具有密度大、特征少、差異性小的特點，設(shè)計11、9、7共3類卷積核模型，探究小卷積核在細微特征提取中的優(yōu)勢。卷積核設(shè)置如表4所示。

表3 波段組合信息Tab.3 Band combination information

表4 卷積核對比組設(shè)置Tab.4 Settings of convolution kernel comparison group

2 結(jié)果分析與討論

2.1 模型分類精度分析

使用樣本數(shù)據(jù)對卷積神經(jīng)網(wǎng)絡(luò)模型進行訓練，得到不同參數(shù)下模型分類精度的變化曲線，如圖8所示。

從圖8可以看出，不同參數(shù)的選取對模型識別效果有不同的影響：

圖8 不同參數(shù)下模型分類精度變化曲線Fig.8 Classification accuracy curves of learning rate and read batch adjustment group

(1)農(nóng)作物分類模型收斂速度主要受學習率影響。對典型農(nóng)作物樣本進行訓練識別時，小學習率(0.001)獲得的收斂效果不如大學習率(0.1)，收斂后的識別精度依然不如大學習率。這是由于小學習率雖然可以在訓練初始階段避免振蕩，但由于步長太小而陷入了局部最優(yōu)。使用較大的學習率，只要避免出現(xiàn)網(wǎng)絡(luò)訓練振蕩，就可在快速收斂的同時避免陷入局部最優(yōu)。讀取批次的選擇對模型收斂速度影響較小，但會對網(wǎng)絡(luò)模型的穩(wěn)定性產(chǎn)生影響。本文中，當讀取批次選擇為64時，即使網(wǎng)絡(luò)模型在趨于平穩(wěn)之后，局部仍有較大的起伏，而讀取批次為100、128的網(wǎng)絡(luò)模型在趨于平穩(wěn)之后的分類精度起伏變化較小。

(2)模型分類精度和穩(wěn)定性受樣本包含波段信息影響。波段間的差異及波段信息的增加可為網(wǎng)絡(luò)提供更多的特征選擇從而提升網(wǎng)絡(luò)對農(nóng)作物樣本的分類精度。由光譜分析可知，在可見光波段中，3種農(nóng)作物藍光波段亮度差異最為明顯，紅綠波段次之，當樣本只包含藍光波段時，訓練的網(wǎng)絡(luò)模型具有一定的分類精度，但識別效果不穩(wěn)定，包含紅綠波段的樣本對模型穩(wěn)定性效果略有提升，分類精度卻不如藍光波段樣本，使用3波段樣本訓練完成的網(wǎng)絡(luò)可更加有效地進行作物識別，同時具有更穩(wěn)定的識別效果。

(3)小卷積核在農(nóng)作物樣本特征提取中更具優(yōu)勢。大卷積核進行一次卷積運算涵蓋的區(qū)域大，對稀疏特征表示效果較好，小卷積核與之相反。本文識別地物類型主要為農(nóng)作物，在遙感影像中呈密集分布狀態(tài)。在模型中使用大卷積核(11×11)進行農(nóng)作物特征提取，訓練次數(shù)達到2 000步以后仍存在模型識別效果不穩(wěn)定的現(xiàn)象，而當卷積核降低至小尺寸(7×7)時，訓練次數(shù)在1 200步時就取得了穩(wěn)定的訓練效果，并且具有較高的分類精度。

為進一步探索本文方法在農(nóng)作物精細分類中的適用性，將本文方法(CNN)與支持向量機(SVM)、淺層反向傳播神經(jīng)網(wǎng)絡(luò)(BP)進行對比實驗。其中SVM選取徑向基函數(shù)作為核函數(shù)，采用基于交叉驗證的網(wǎng)格搜尋法確定懲罰因子C和核函數(shù)參數(shù)γ。BP神經(jīng)網(wǎng)絡(luò)隱含層數(shù)為1層，采用3-50-4的網(wǎng)絡(luò)結(jié)構(gòu)，學習率設(shè)為0.1，訓練次數(shù)為2 000。以總體分類精度和Kappa系數(shù)作為評價指標。為驗證卷積神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性，重復(fù)3次實驗，不同方法的總體分類精度對比如表5所示。

可以看出，本文方法在總體分類精度(OA)和Kappa系數(shù)兩種評價方式下均取得最好結(jié)果，BP次之，SVM分類效果最差。其原因在于，SVM通過核函數(shù)進行非線性分類，當處理小規(guī)模樣本時效果較好，在處理如遙感影像大規(guī)模數(shù)據(jù)時，效果稍差，對類間差異小的非線性問題，核函數(shù)的選擇更加困難。CNN作為一種深層網(wǎng)絡(luò)結(jié)構(gòu)，可以獲得更本質(zhì)的特征，適應(yīng)區(qū)分樣本之間細微的差異，從而能更好地發(fā)

表5 不同農(nóng)作物識別方法對比實驗結(jié)果Tab.5 Experimental results of crop recognition by different methods

掘農(nóng)作物之間差異規(guī)律，提高分類精度。

2.2 討論

圖9 研究區(qū)典型農(nóng)作物分類結(jié)果Fig.9 Typical crop classification results in study area

使用本文方法對農(nóng)作物進行識別，根據(jù)結(jié)果繪制研究區(qū)內(nèi)主要農(nóng)作物的空間分布，如圖9所示。利用野外調(diào)查數(shù)據(jù)作為地物類型驗證標準，均勻選取各類地物共38 400處作為測試樣本，計算典型農(nóng)作物分類混淆矩陣，實現(xiàn)分類結(jié)果定量評價，結(jié)果如表6所示。

表6 研究區(qū)典型農(nóng)作物分類混淆矩陣Tab.6 Constitutive matrix of typical crop classification in study area

總體來看，3類典型農(nóng)作物均取得了較好的分類效果，總體分類精度為97.75%，且分類結(jié)果所反映的農(nóng)作物種植結(jié)構(gòu)與實際情況是一致的。研究區(qū)中，棉花占據(jù)了主體地位，地塊連續(xù)、面積較大，西葫蘆、玉米交錯分布在棉田周圍，在部分居民建筑用地區(qū)域，有小塊農(nóng)田分布，種植有玉米、棉花等農(nóng)作物。

不同農(nóng)作物間的分類情況存在微小差異：

(1)從表6可以看出，3種農(nóng)作物的分類精度棉花最高，可達97.95%，西葫蘆次之，為97.48%，玉米最低，為97.23%。在選取的研究區(qū)中，農(nóng)作物種植規(guī)模不均勻，最終得到的各類農(nóng)作物樣本數(shù)量也不一致，其中，棉花包含11 600個訓練樣本，而玉米僅有8 600個訓練樣本。棉花種植面積廣，制作的樣本中包含更全面的棉花特征信息，而玉米可供選擇的樣本制作區(qū)域較少，樣本代表性較低，因而最終獲取的分類精度小于棉花。

(2)分類結(jié)果中，3類農(nóng)作物有很大一部分樣本被錯分為其他類別，這是由于在大田邊緣區(qū)域，播種不如大田中央緊湊，植株分布稀疏，露出裸地區(qū)域，與模型訓練樣本特性相差較大，導致網(wǎng)絡(luò)在部分地塊邊緣處將農(nóng)作物錯分為其他類別。除去邊緣區(qū)域，在地塊中央植株密集處則幾乎不存在錯分情況。

3 結(jié)論

(1)利用卷積神經(jīng)網(wǎng)絡(luò)對農(nóng)作物樣本進行分類，總體分類精度為97.75%，其他類別分類精度可達98.36%。采用深度學習方法設(shè)計網(wǎng)絡(luò)模型可有效提取遙感影像中的農(nóng)作物信息，在對農(nóng)作物精細分類過程中避免了云雨、光照等外界因素產(chǎn)生的影響，簡化了分類過程中物候特征的提取與選擇。

(2)模型參數(shù)的選取影響最終的分類精度。根據(jù)地物目標形態(tài)特點對遙感影像中的農(nóng)作物進行識別，在避免產(chǎn)生振蕩的前提下應(yīng)選擇較大學習率(本文為0.1)，適當?shù)淖x取批次(本文為128)可使模型獲得更穩(wěn)定的分類效果，使用小規(guī)模卷積核(本文為7×7)進行作物特征提取可獲得穩(wěn)定的分類效果和較高的精度。

(3)樣本光譜特征的增加可提升模型的訓練效果。在可見光波段中，藍光波段對農(nóng)作物分類效果影響最為明顯，加入紅光和綠光波段則更有利于網(wǎng)絡(luò)模型對農(nóng)作物樣本的區(qū)分，但訓練時間會相應(yīng)增加。