[發明專利]基于高光譜的病害程度診斷方法在審
| 申請號： | 201910811521.8 | 申請日： | 2019-08-30 |
| 公開（公告）號： | CN110361344A | 公開（公告）日： | 2019-10-22 |
| 發明（設計）人： | 董錦繪;施蕾蕾;郝榮欣;劉龍;宮華澤;陳祺 | 申請（專利權）人： | 北京麥飛科技有限公司 |
| 主分類號： | G01N21/31 | 分類號： | G01N21/31;G01N21/3563;G06F17/50 |
| 代理公司： | 北京晟睿智杰知識產權代理事務所(特殊普通合伙) 11603 | 代理人： | 于淼 |
| 地址： | 100000 北京市朝陽區阜*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 病害 程度診斷 高光譜 診斷 模糊推理系統 自適應網絡 吸收特征 輸出量 高光譜數據 信息量準則 可見光 高光譜儀 連續曲線 時間成本 輸入變量 作物病害 對稱度 歸一化 吸收峰 主觀性 波段 去除 吸收 成像 采集 篩選 節約 申請 調查 | ||
1.一種基于高光譜的病害程度診斷方法，其特征在于，包括步驟：
無人機搭載非成像高光譜儀；
通過無人機采集多個待測作物的原始高光譜數據，通過所述原始高光譜數據得到所述待測作物可見光到近紅波段的連續曲線；
對所述待測作物的連續曲線進行連續統去除處理歸一化，得到所述待測作物的吸收特征參數，所述吸收特征參數包括吸收波段波長位置、吸收深度、吸收寬度、吸收斜率、吸收對稱度、吸收峰面積和光譜絕對反射值；
根據赤池信息量準則篩選所述吸收特征參數得到診斷特征，所述診斷特征包括所述吸收峰面積、所述吸收深度、和所述吸收對稱度，其中所述吸收峰面積包括吸收峰總體面積和吸收峰左端面積；
將所述診斷特征作為自適應網絡模糊推理系統模型的輸入變量，通過所述自適應網絡模糊推理系統模型得到輸出量，所述輸出量為所述待測作物的病害程度值數。
2.根據權利要求1所述的基于高光譜的病害程度診斷方法，其特征在于，所述原始高光譜數據為所述待測作物灰度值。
3.根據權利要求2所述的基于高光譜的病害程度診斷方法，其特征在于，所述通過無人機采集待測作物的原始高光譜數據之前，對所述非成像高光譜儀校準，得到定標白板灰度值和定標白板反射率。
4.根據權利要求3所述的基于高光譜的病害程度診斷方法，其特征在于，所述連續曲線包括多個所述待測作物反射率，所述待測作物反射率根據以下方法得到：
a＝bd/c；
其中，a是所述待測作物反射率，b是所述待測作物灰度值，c是所述定標白板灰度值，d是所述定標白板反射率。
5.根據權利要求1所述的基于高光譜的病害程度診斷方法，其特征在于，所述連續曲線包括谷點和峰點，所述峰點包括第一峰點和第二峰點。
6.根據權利要求5所述的基于高光譜的病害程度診斷方法，其特征在于，所述吸收深度根據以下方法得到：
h＝1-ρM；
其中，h是所述吸收深度，ρM是所述谷點M對應的所述待測作物的反射率。
7.根據權利要求5所述的基于高光譜的病害程度診斷方法，其特征在于，所述吸收對稱度根據以下方法得到：
e＝(λS2-λM)/w；
其中，e是吸收對稱度參數，λS2是所述第二峰點S2的吸收波段波長位置，λM是所述谷點M的吸收波段波長位置，w是所述吸收寬度。
8.根據權利要求7所述的基于高光譜的病害程度診斷方法，其特征在于，所述吸收寬度w根據以下方法得到：
w＝λS1-λS2；
其中，w是所述吸收寬度，λS1是所述第一峰點S1的所述吸收波段波長位置，λS2是所述第二峰點S2的所述吸收波段波長位置。
9.根據權利要求1所述的基于高光譜的病害程度診斷方法，其特征在于，所述輸入變量為鐘形函數。
10.根據權利要求1所述的基于高光譜的病害程度診斷方法，其特征在于，所述可見光到所述近紅波段的范圍為350nm-900nm。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京麥飛科技有限公司，未經北京麥飛科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910811521.8/1.html，轉載請聲明來源鉆瓜專利網。
