农情监测如营养监测,土地监测与病虫害监测等,是作物生长发育过程的一种监测行为。更高效率地实行农情监测能让让决策者及时获取作物的长势与病虫害等信息,迅速做出更优的管理决策,减少农业生产过程中的农药与化肥的使用,是农业信息化与农业精准化的要求。目前国内外关于无人机农情监测方面的应用往往只是集中在某一个方面,很少有从系统设计到最终施药指导图生成的研究。因此,本研究以可见光与多光谱的无人机低空遥感影像为研究对象,搭建了低空遥感采集平台,并进行了图像校正、图像拼接、图像分类与施药指导图生成等一系列研究,主要结果如下:1.搭建基于可见光与多光谱的无人机低空遥感采集平台;根据可见光与多光谱相机的特性,设计遥感影像采集控制电路,并且组建图传模块。2.研究了可见光低空遥感影像的校正,通过比较两种拼接校正算法的特点,选取了一种简便的一图多板法的影像校正方法。3.研究了基于地理信息的无人机低空遥感影像的拼接算法。根据拍摄所得的遥感影像,通过查阅相机资料以及设计实验的方式推算出了两种相机的地面分辨率与拍摄高度的关系,并利用简便化GPS转换方法,实现了同一高度下的基于地理坐标的低空遥感图像拼接,并进行了误差分析。4.研究了可见光低空遥感影像采集平台的可行性。通过利用可见光低空遥感影像采集平台采集可见光影像,进行校正后,通过分析可见光波段的统计特征,利用四个可见光植被指数进行植被提取,最高提取精度可达95.8%,验证了可见光低空遥感采集平台的可行性。5.研究了棉花可见光与多光谱的无人机低空遥感影像的对象区域的特征提取。将遥感图像分割为对象区域后,分别进行了波段统计特征提取、植被指数特征提取以及Tamura纹理特征提取。最后通过分析与特征筛选,针对可见光影像构建了9维的分类特征向量,针对多光谱影像构建了8维的分类特征向量。6.研究了棉花可见光与多光谱的无人机低空遥感影像的分类方法。根据选取的特征,分别输入到K近邻分类器、SVM支持向量机分类器以及Adaboost提升树分类器中分类,结果表明用于多光谱的无人机低空遥感影像分类的Adaboost提升树分类器的分类效果最好,最后的分类精度达到83.8%。