[發明專利]一種玉米群體三維模型構建方法及系統

有效

• 申請號: 201710429471.8
• 申請日: 2017-06-08
• 公開（公告）號: CN107369206B
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 溫維亮;郭新宇;肖伯祥;吳升;盧憲菊
• 申請（專利權）人: 北京農業信息技術研究中心
• 主分類號: G06T17/20
• 分類號: G06T17/20
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩

1.一種玉米群體三維模型構建方法，其特征在于，所述方法包括：

確定玉米群體測量樣本；

根據所述玉米群體測量樣本的植株尺度數據，生成植株尺度的t分布函數，并根據所述植株尺度的t分布函數獲取目標玉米群體的植株尺度參數；

根據玉米群體測量樣本中各植株內各節單位的形態數據，以及所述目標玉米群體的植株尺度參數；生成所述目標玉米群體的各植株內各節單位的形態參數的t分布函數，并根據所述各植株內各節單位的形態參數的t分布函數獲取所述目標玉米群體中各植株內各節單位的形態參數；

以及，根據所述玉米群體尺度參數、植株尺度參數和各植株內各節單位的形態參數，建立所述目標玉米群體的玉米群體網格幾何模型；

所述確定玉米群體測量樣本，包括：

在目標區域中選定目標小區，從所述目標小區中選取M個植株進行測量；

以及，測量得到M個植株的植株尺度和節單位尺度數據；

構建植株的數量為N的生成小區，并確定N個植株的水平生長位置坐標和植株方位平面；

所述根據所述玉米群體測量樣本的植株尺度數據，生成植株尺度的t分布函數，并根據所述植株尺度的t分布函數獲取所述目標玉米群體的植株尺度參數，包括：

根據所述玉米群體測量樣本中的M個植株的株高數據、葉片數數據和首葉葉序數據，分別生成所述目標玉米群體的株高、葉片數和首葉葉序的t分布函數；

以及，根據所述株高、葉片數和首葉葉序的t分布函數分別獲取所述目標玉米群體的株高參數、葉片數參數和首葉葉序參數；

所述根據玉米群體測量樣本中各植株內各節單位的形態數據，以及所述目標玉米群體的植株尺度參數；生成所述目標玉米群體的各植株內各節單位的形態參數的t分布函數，并根據所述各植株內各節單位的形態參數的t分布函數獲取所述目標玉米群體中各植株內各節單位的形態參數，包括：

獲取所述玉米群體測量樣本中的M個植株內各節單位的形態數據，其中，所述各植株內各節單位的形態數據包括：葉片的葉長數據、葉傾角數據、葉片著生高度數據和葉片方位角偏離角數據；

根據所述玉米群體測量樣本中的M個植株內各節單位的形態數據，以及，所述目標玉米群體的株高參數、葉片數參數和首葉葉序參數，分別生成所述目標玉米群體的節單位的葉長、葉傾角、葉片著生高度和葉片方位角偏離角的t分布函數；

以及，根據所述目標玉米群體的節單位的葉長、葉傾角、葉片著生高度和葉片方位角偏離角的t分布函數，獲取所述目標玉米群體中節單位的葉長參數、葉傾角參數、葉片著生高度參數和葉片方位角偏離角參數；

所述植株尺度的t分布函數的創建方法包括：

設樣本植株的個數為N，各植株的植株尺度的植株數據分別記為X_i,i＝1,2,…,N，樣本均值為樣本方差為任一植株尺度的植株數據的總體均值為μ，則有服從自由度為N-1的t分布；

估計植株尺度總體均值μ在95％置信區間內的概率密度分布函數，查詢t分布分位數表，記在N-1自由度下的95％雙側分位數為α，獲取到

在區間內產生隨機數，記為t；

利用自由度為n-1的t分布概率密度函數生成所述植株尺度的t分布函數：

其中

所述各植株的植株尺度包括：株高、葉片數和首葉葉序；

其中，根據所述植株尺度的t分布函數獲取所述目標玉米群體的植株尺度參數，包括：株高、葉片數和首葉葉序；所述植株尺度的t分布函數包括株高t分布函數、葉片數t分布函數和首葉葉序的t分布函數；

確定擬構建的玉米群體內植株的數量N和所述水平生長位置坐標(x_i,y_i)：若所述玉米群體內植株為均勻分布，則確定群體的行數和每行植株的個數，并利用株距和行距生成各植株的生長位置；若所述玉米群體內植株為非均勻分布則需要確定每個植株的生長位置；

所述植株的株高參數的生成包括：利用樣本的株高數據和構建的株高的t分布函數，約束生成N個植株的株高；

所述葉片數參數的生成包括：利用樣本植株的葉片數和構建的葉片數的t分布函數，約束生成N個植株的葉片數；

所述首葉葉序參數的生成方法，包括：利用各樣本植株的首葉葉序和構建的首葉葉序的t分布函數，并利用該函數約束生成N個植株的首葉葉序；

第j個節的葉片著生高度的生成方法，其中F_i≤j≤N_i，包括：

樣本數據的確定：采用各樣本植株中第j個節位的葉片著生高度與該植株株高的比值作為樣本數據，記樣本數量為則

若則采用自由度為的t分布生成各株型隨機數；

若則不生成概率密度分布函數，直接將樣本參數作為生成的隨機數；

若則查找與j最近的葉位樣本按照葉位差縮放作為當前葉位的樣本，設與j最近的葉位為j_Near，則比例系數為

根據所述玉米群體測量樣本，生成N植株第j個葉位著生高度與植株高度的比值隨機數，記為H_i為第i個植株的株高，則當前葉片的葉位著生高度

所述葉長數據、葉傾角數據的生成方法，包括：以各樣本植株中第j個葉位的葉長和葉傾角為樣本數據，結合各葉位葉長和葉傾角的概率密度分布函數并生成N植株第j個葉位的葉長數據及葉傾角數據；

所述葉片方位角偏離角數據的生成，包括：

計算各樣本植株的方位平面，并以各葉片與植株方位平面的偏離角為樣本，構造概率密度分布函數，以生成N個植株第j個葉片的葉片方位角偏離角；

若植株各葉片的方位角為α_j,j＝1,2,…n，α_j∈[0,2π)，則計算各葉片方位角偏差的方法如下：

基于各葉位方位角偏差樣本數據構建各葉位的方位角偏差t分布函數，并生成植株i上葉位j的方位角偏差，記為則對應植株葉片的方位角為其中α_i為植株方位平面角，j mod 2為取余數。