GaiaSky mini3-VN 無人機載高光譜成像系統(tǒng)適配大疆 M300 RTK。采用自有的內置掃描 系統(tǒng)和基于大疆 Payload SDK 開發(fā)的專用三軸增穩(wěn)云臺系統(tǒng)，成功克服了無人機系統(tǒng)搭載高光譜相機 時，由于無人機系統(tǒng)的自身震動，以及飛行過程中由于飛機偏航、俯仰和翻滾所造成的成像質量扭曲變形的問題。在獲取研究對象的影像的同時獲得每個像元的光譜分布，定量分析地球表面生物物 理化學過程和參數，為無人機載高光譜成像技術在目標識別、wei裝與反wei裝軍事領域，地面物體與 水體遙測、現代精細農業(yè)等生態(tài)環(huán)境監(jiān)測等領域的廣泛應用奠定了基礎。

系統(tǒng)特點：

1、適配大疆 M300 RTK 無人機

2、采用懸停拍攝方式，搭配基于大疆 Payload SDK 開發(fā)的專用三軸增穩(wěn)云臺系統(tǒng)，圖像清晰無變形

3、飛機、云臺、成像儀均單一接口連接，即插即用，操作方便，可實現單人操作

4、可規(guī)劃航點航線（內置推掃模式）和航帶航線（隨無人機飛行推掃模式）。全程自動飛行采集數 據。

5、高光譜鏡頭實現真正的所見即所得，數據采集過程實時顯示，輔助真彩色攝像頭監(jiān)控拍攝區(qū)域， 并同時保存高清圖片。

6、數據預覽及矯正功能：輻射度校正、反射率校正、區(qū)域校正支持批處理

7、實時常用植被指數計算功能：歸一化植被指數(NDVI)、比值植被指數(RVI)、增強植被指數 (EVI)、大氣阻抗植被指數(ARVI)、改進紅邊比值植被指數(mSR 705)、、Vogelmann 紅邊指數2  測 (VOG)、光化學植被指數(PRI)、結構不敏感色素指數(SIPI)、歸一化氮指數(NDNI)、類胡蘿卜素反 射指數 1(CRI1)、類胡蘿卜素反射指數 2(CRI2)、花青素反射指數 1(ARI1)、花青素反射指數 2(ARI2)、水波段指數(WBI)、歸一化水指數(NDWI)、水分脅迫指數(MSI)、歸一化紅外指數(NDII)、 歸一化木質素指數(NDLI)、纖維素吸收指數(CAI)、植被衰減指數(PSRI)、調整土壤亮度的植被指數 (SAVI)

8、支持自定義實時分析模型輸入功能，采集數據過程中實時得到結果并顯示、保存。

9、數據格式兼容 Evince、Envi 等第三方數據分析軟件

GaiaSky mini3-VN 無人機載高光譜成像系統(tǒng)配置及參數：

光譜范圍：400-1000 nm

光譜分辨率：5±0.5 nm

采樣光譜分辨率：1.4nm

NCU：7 代 i5,8G 內存，256G SSD

光譜通道數：224；448

空間通道數：1024（默認）

成像速度：4s/cube

連接方式：Gige

功率：45W

輔助相機：500W 像素

數值孔徑：F/1.7

視場角：23°

成像方式：逐線推掃

總重量：1.1Kg

采集及處理軟件：SpecVIEW

采集功能：可靈活設置曝光、增益、速度，動態(tài)顯示實時高光譜圖像和高光譜曲線；具有輔助攝 像頭可做到所見即所得；具有自動曝光、自動速度匹配、自動數據保存等功能；支持任意三波段 合成實時顯示、圖像回傳；支持一鍵采集黑白幀和大面積定標標靶數據采集；數據保存格式通用 性廣，自帶常用的數據回看、校正功能，并有優(yōu)化過的快速校正以及特殊校正算法。

預處理功能：幾何校正、反射率校正、區(qū)域校正、輻射度校正等功能；無需第三方軟件可一鍵獲 取聚類分析、單波段、真假彩色、20 種以上植被指數（可自定義）、圖像三維裁剪、目標光譜識 別等圖像，以上功能皆可實現無人值守批處理 。能自動使用 GPS 及慣導系統(tǒng)獲取的 GPS 信息和 飛行姿態(tài)數據，對高光譜影像進行自動幾何糾正，并能顯著消除由無人機等機載平臺運動照成的 圖像扭曲，處理后的影像不應存在明顯的條帶錯位現象；能對各糾正后的條帶數據進行有效的自動拼接，拼接結果不含明顯錯位現象；提供對所有波段進行輻射度校準的功能。

成像原理模擬：

應用案例展示：

1. 農作物快速識別分類

當不止一種作物，快速分類識別就非常重要，因為不同作物，肥料種類和用 量都不一樣，如 果只根據長勢圖施肥可能導致一些作物施肥過量而另一些施肥不足。無人機高光譜系統(tǒng)相比多光譜 系統(tǒng)有更多譜段和更高光譜分辨率，因而可以在不同波長段獲取不同作物的不同響應，進而達到快 速有效識別。其識別率可高達 95%。

2.土壤含水量與土壤肥力分析

無人機高光譜系統(tǒng)可以在其高光譜圖像采集過程中獲得土壤水分含量，土壤 總肥力含量和有 機質含量分布圖。根據土壤水分含量和土壤肥力分布圖，農戶可以定量灌溉和施肥，從而解決開 支、避免環(huán)境污染。

3.樹種分類、監(jiān)測樹高

考慮到用戶科研數據的保密性，本研究僅用單景高光譜影像數據進行不同樹 種的分類 識別，分類識別結果如下所示。為利用最佳指數法提取特征波段，并利用 see5.0 機器學習 規(guī)則軟件進行樹種分類的效果圖，用戶可利用無人機高光譜 相機獲取的多組數據進行拼接， 然后再進行樹種的分類，步驟和算法均是相同的。

拍攝不同高度的樹林高光譜數據，利用 ENVI 進行統(tǒng)計算法學習，評估監(jiān)測 時間段內樹高 的變化。