草莓是一种多年生草本植物，其果实外观呈心形，含糖量高，味道甜美。营养价值高，富含胡萝卜素、葡萄糖、苹果酸、膳食纤维及A、B1、B2、C、E等各类维生素以及钙、钾、铁、钠、镁等各类矿物质。草莓一直以来深受广大消费者喜爱，作为一种高经济价值作物，在世界各地都有大量的种植，但种植者一直以来缺乏快速检测草莓生长状况和预测草莓产量的方法和手段。本文结合无人机遥感多光谱技术、深度学习网络与目标检测算法、无人机遥感三维重构技术、倾斜摄影技术等研究和开发了一系列无人机遥感平台与装置来帮助种植者快速、智能地检测草莓生长状况，主要研究内容和成果如下：
　　（1）设计开发了一个环境可控的五自由度无人机低空遥感模拟平台。该平台可以模拟无人机的水平运动、垂直运动以及云台的俯仰运动、水平旋转与滚翻运动。使用该模拟平台搭载多光谱相机在不同模拟飞行高度和速度下获取草莓苗期冠层多光谱图像并从中提取的6种植被特征指数建立SPAD线性解析模型，探究图像采集的速度和高度对模型预测性能的影响。最后选取最佳的植被特征指数线性预测模型建立草莓冠层在不同氮胁迫下的可视化反演图。结果表明在相机高度为2.0m、模拟飞行速度为0.1m/s时，基于植被指数NIR/G建立的线性预测模型效果最优，预测集相关系数Rp达到0.7481，模型可视化反演结果也直观反映了过量氮组和适量氮组的SPAD值明显高于缺氮组，与实际测量结果吻合。
　　（2）设计开发了一款基于无人机遥感平台和目标检测算法的草莓田间花朵与果实实时分布自动检测系统。为了比较不同飞行高度对该系统检测结果的影响，该系统分别采用了2m和3m两种不同的高度进行图像采集并对10个目标进行检测，结果表明在2m高处拍摄的Sensation品种的成熟草莓检测效果最佳，平均精度（Average Precision，AP）为0.91，在3m高处拍摄的Radiance品种的未成熟草莓最难检测，平均精度为0.61。使用该系统在不同实验日期对田间的花朵数量进行统计并与人工统计结果比对，结果表明该系统花朵计数的平均准确度为84.1%，田间花朵的平均遮挡率为13.5%。最终利用该系统建立不同日期的草莓花朵与果实的产量分布图，帮助种植者对草莓田未来产量进行预测。
　　（3）提出了StrawR-CNN目标检测算法。在Faster R-CNN模型的基础上修改了提取特征图的主网络（Backbone）并加入了金字塔型特征网络提取结构和RoI Aline层提升对草莓花朵之类小尺寸目标的检测和定位精度。通过训练和检测相同的草莓遥感数据集将StrawR-CNN目标检测算法与其他基于区域的目标检测算法包括Faster R-CNN、FastR-CNN以及R-CNN算法进行了对比，结果表明Straw R-CNN目标检测算法在检测精度上（mAP为0.772）、训练时间（5.5小时）和检测速度上（8.850帧/秒）显著优于其他三类算法。
　　（4）开发了ZTRS-M5B小型无人机倾斜影像系统。使用该系统对大范围草莓田进行图像采集并建立正射影像图，结果表明相比于单镜头小型无人机系统，该系统能够更快速建立大范围草莓田正射影像图，并且精度更高。为了进一步测试该倾斜摄影系统性能，分别还对农村居民区和工厂区两种更复杂的区域环境进行勘察测试，通过比较生成的三维模型测量值与地面实测值来检验模型精度，其结果满足遥感测绘的精度要求。另外相比于市面上其他倾斜摄影系统，ZTRS-M5B在成本和便携上拥有更多优势。