JIA 8月优先上线文章（二）

本研究旨在通过无人机图像和局部优化特征（LOFs）提升冬前小麦苗情分类的精度。冬前苗情对小麦产量至关重要，但传统分类方法依赖人工测量，效率低下。研究通过引入土壤像素去除和冠层覆盖度，结合LOFs方法，显著提高了分类准确率。实验结果表明，融合PVIs、cc和LOFs的二次判别分析模型将分类准确率从0.86提升至0.99，为小麦苗情的高通量、高精度分类提供了有效工具。