水稻稻瘟病

        麦飞科技利用高分卫星、以及机动性强的无人机平台搭载自主研发的麦视探针获取水稻RGB、多光谱、高光谱遥感数据，结合最新的深度学习网络和遥感监测算法，在病理表征和光谱异常两个方向对水稻作物的健康状况和长势进行协同观测，从不同空间尺度（区域、地块、冠层）提取作物的健康长势信息，逐级细化，建立起了基于多源遥感数据的水稻健康状况监测体系。为作物种植中的靶向施药环节提供决策依据，为作物长势的动态监测提供服务，从而为精准农业的进一步落地提供了技术支持。以下为参赛作品的部分内容。

        深度学习之稻瘟病病斑识别麦飞科技利用监测无人机在距离水稻冠层大约1m的高度下对稻田进行均匀选点拍照获取水稻的RGB图像，然后利用深度学习神经网络训练病斑识别模型，训练好的神经网络模型便可以进行病斑识别。图1展示了基于深度学习技术而建立的冠层尺度水稻病斑识别系统。由无人机搭载高清镜头，可以满足病斑识别的分辨率需求。

        稻瘟病病斑识别结果卫星遥感具有多尺度观测能力，综合性和可比性强，对于区域内的地物同步观测具有相当的优势。不同种类的农作物以及相同作物的不同生长期，由于其生理结构的变化导致其光谱特性会有十分明显的差异，利用光谱特征差异可对作物长势，健康状况等信息进行提取，遥感可以在大范围内对农业发展状况进行观测评价。下面这是利用高分一号WFV数据提取湖北省钟祥市部分区域晚季稻种植区的结果（图中绿色区域为提取的水稻结果）。

        水稻分类结果图然后分析了这片区域6月底、7月底、8月上旬三个不同时期的水稻长势状况，如下图5所示。6月底，湖北中稻处于分蘖期，NDVI值较低，植被覆盖度较低,且能区分出较早种植和较晚种植的区别；7月底，水稻处于拔节抽穗期，植被覆盖度较高，水稻生长旺盛，NDVI普遍较高；8月上旬，水稻处于抽穗杨花期，NDVI值相对拔节期有所降低。综合这些结果可以看出，NDVI能够较为准确的反映不同生育时期水稻的长势情况。