快速准确获取农情信息与农作物种植结构,对保障粮食安全与农业可持续发展有重要意义。研究以无人机高光谱影像为数据源,使用面向对象的方法进行农作物精细分类。首先使用最小噪声分离(MNF)变换对无人机高光谱数据降维处理,然后通过eCognition软件进行多尺度分割,利用ESP2插件确定最佳分割尺度后进行尺度分割,最后采用面向对象的K-近邻(KNN)、分类与回归树(CART)、支持向量机(SVM)和随机森林(RF)四种机器学习进行分类,并采用总体精度、Kappa系数、用户精度、生产者精度对分类结果进行评价。结果表明：四种分类方法中随机森林算法分类效果最好,与实际作物类型及分布有较好的一致性,其总体精度达到95.84%,比KNN、CART和SVM算法分别高出8.43%、4.32%、2.2%,其Kappa系数高达0.9487,比KNN、CART和SVM算法分别高0.1055、0.0537、0.0275。研究结果可为小尺度下的农作物精细分类提供参考。