基于光谱解混与空间建模的蟹塘水草机载高光谱成像检测方法
Abstract
水草在构建蟹塘生态平衡、提供天然饵料等方面发挥着重要作用，直接影响着养殖成败、螃蟹规格、产量和经济效益。面向蟹塘水草覆盖度的高效、高精度监测需要，研究了一种基于机载高光谱成像技术的水草识别方法，该方法利用波段范围为400~1100 nm的机载高光谱成像设备来获取蟹塘水草信息。针对水体富营养化和水体对水下水草的遮挡等干扰，提出了一种基于光谱解混与空间建模的高光谱水草监测模型AUM-net。AUM-net模型利用非负矩阵分解（NMF）提取端元与丰度图，实现原始高光谱像元特征的解耦；结合丰度注意力（ECA）模块与光谱聚核（SFC）模块实现空间-光谱的联合特征提取；引入Mamba模块构建远程空间依赖，以实现水草的高精度识别。在两个实际采集的高光谱数据集上的实验结果表明，AUM-net在总体精度（OA）、平均精度（AA）和F1分数等多项指标上均优于现有主流方法，尤其在水草与水体高混合区域仍保持较优的分类性能，展现了良好的鲁棒性。
Fields of Study & Subjects
Remote-Sensing Image Classification
Spectroscopy and Chemometric Analyses
Water Quality Monitoring Technologies
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0230003–0230003
- Publication date
- 1 January 2026
- Language
- EN