[發明專利]基于高光譜影像的小麥產量計算模型的構建方法及其應用

在審

• 申請號: 202010590387.6
• 申請日: 2020-06-24
• 公開（公告）號: CN111798327A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 張東彥;楊琦;梁棟;趙鑫;張向前;杜世州;黃林生;韓宣宣
• 申請（專利權）人: 安徽大學
• 主分類號: G06Q50/02
• 分類號: G06Q50/02;G06K9/62;G06K9/00;G06F30/20
• 代理公司: 合肥九道和專利代理事務所(特殊普通合伙) 34154
• 代理人: 胡發丁

1.一種基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：包括如下步驟：

A、通過無人機拍攝實驗麥田的高光譜圖像；

B、對麥田高光譜圖像進行預處理得到感興趣區域后進行處理得到樣本，并將樣本按一定比例分成訓練集和測試集；

C、根據樣本的高光譜圖像計算樣本的特征值，特征值為樣本區域在不同波段的光譜反射率或利用不同波段光譜反射率計算得到的植被指數；

D、人工計算樣本的小麥產量；

E、將訓練集的特征值和對應的小麥產量輸入隨機森林算法中進行訓練，得到每種特征的權重系數，選取最優特征組合；

F、利用線性回歸算法、偏最小二乘回歸算法、支持向量機算法、決策樹算法、隨機森林算法、梯度提升樹算法中的任一種，將訓練集的最優特征組合和對應的小麥產量代入進行訓練即可得到小麥產量計算模型。

2.如權利要求1所述的基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：所述的步驟A中，無人機拍攝的高光譜圖像包括CUB文件和JPG文件，所拍攝的田塊上布設有像控點，步驟B包括如下步驟：

B1、對無人機拍攝的高光譜圖像進行輻射校正用于校正原始影像固有的輻射畸變；

B2、對輻射校正后的高光譜圖像拼接得到一副完整的高光譜大圖；

B3、根據像控點坐標對高光譜大圖進行幾何校正，像控點坐標通過全球導航衛星系統定位得到；

B4、對高光譜大圖進行剪裁得到樣本。

3.如權利要求2所述的基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：所述的步驟B2中，按如下步驟進行影像拼接：

B21、將輻射校正后的高光譜圖像轉換為BSQ數據格式，生成CUE/HDR格式的文件；

B22、將其進一步轉換成JPG格式；

B23、對原始數據的全色影像進行拼接；

B24、將全色影像替換為步驟B22中生成的JPG文件；

B25、重新生成正射影像并導出。

4.如權利要求3所述的基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：所述的步驟B4中，包括如下步驟：

B41、人工剪裁出麥田區域，該麥田區域由多行、多列麥田區塊構成，麥田區域中的小麥品種有多個；

B42、人工標記麥田區域中第一行、第一列中麥田區塊，再根據第一行和第一列的麥田區塊坐標自動推算出其他行列麥田區塊的坐標；

B43、將每個麥田區塊等比例分成多行多列得到麥田子區塊，每個麥田子區塊即一個樣本。

5.如權利要求1-4任一項所述的基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：所述的步驟C中，樣本的特征值包括99個波段的光譜反射率，波段范圍為458～850nm且光譜間隔為4nm。

6.如權利要求5所述的基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：所述的步驟C中，樣本的特征值為99個波段計算得出的40種植被指數NDVI、GNDVI、RVI、NDWI、DVI、PVI、SAVI、MSAVI2、ARVI、EVI、GARI、GDVI、GRVI、IPVI、LAI、MNLI、MSR、NLI、OSAVI、RDVI、SR、VARI、MCARI、MTVI、RENDVI、TCARI、TVI、VREI1、VREI2、PRI、PSRI、ARI1、ARI2、CRI1、CRI2、CARI、HNDVI、MTCI、PSNDa、PSNDb。

7.如權利要求1-4任一項所述的基于高光譜影像的小麥產量計算模型的構建方法，其特征在于：所述的步驟D中，小麥產量按如下步驟計算得到：

D1、統計樣本某一區域或整個區域中麥穗數量L并計算所統計區域的面積S；

D2、隨機挑選多個麥穗進行脫粒，統計麥穗上的穗粒數N；

D3、將多個麥穗上脫下的籽粒混勻后分成多份，每份有X粒籽粒，統計各份籽粒并求平均值得到每份籽粒的重量M；

D4、樣本的小麥產量按如下公式計算得到：產量＝(L×N×M)/(X×S)。