[發明專利]農作物分類識別方法、裝置和電子設備

在審

• 申請號: 202010624438.2
• 申請日: 2020-07-02
• 公開（公告）號: CN111523525A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 王宇翔;柳楊華;周淵;郭琳琳;劉東升;馬海波
• 申請（專利權）人: 航天宏圖信息技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超成律師事務所 11646
• 代理人: 孔默

1.一種農作物分類識別方法，其特征在于，包括：

獲取待分類農業遙感圖像，所述待分類農業遙感圖像中每個像元的地理位置和所述待分類農業遙感圖像中每個像元的月均溫度數據；

對所述待分類農業遙感圖像進行處理，得到所述待分類農業遙感圖像中每個像元的目標數據，其中，所述目標數據包括以下至少之一：在各個光譜波段上的地表反射率，歸一化植被指數，增強型植被指數；

利用目標分類模型對每個像元的所述地理位置，所述月均溫度數據和所述目標數據進行處理，得到所述待分類農業遙感圖像中目標農作物的分布數據；

所述方法還包括：

獲取訓練樣本，其中，所述訓練樣本中包含所述目標農作物的多個生長地區在預設時間段之內的樣本像元，每個所述生長地區的地理位置和每個所述生長地區的月均溫度數據；

對每個所述樣本像元進行處理，得到每個所述樣本像元的目標數據；

基于每個所述樣本像元的目標數據確定每個生長地區在所述預設時間段內的歸一化植被指數時間序列和增強型植被指數時間序列；

基于每個所述生長地區的地理位置，每個所述生長地區的月均溫度數據，每個所述樣本像元各個光譜波段上的地表反射率，每個所述生長地區的歸一化植被指數時間序列和每個所述生長地區的增強型植被指數時間序列對初始分類模型進行訓練，得到所述目標分類模型。

2.根據權利要求1所述的方法，其特征在于，對所述待分類農業遙感圖像進行處理，得到所述待分類農業遙感圖像中每個像元的目標數據，包括：

提取目標像元在各個光譜波段上的地表反射率，其中，所述目標像元為所述待分類農業遙感圖像中的任意一個像元；

基于所述目標像元在各個光譜波段上的地表反射率確定所述目標像元的歸一化植被指數和增強型植被指數；

基于所述目標像元在各個光譜波段上的地表反射率，所述目標像元的歸一化植被指數和增強型植被指數確定所述目標數據。

3.根據權利要求2所述的方法，其特征在于，基于所述目標像元在各個光譜波段上的地表反射率確定所述目標像元的歸一化植被指數和增強型植被指數，包括：

利用算式計算所述目標像元的歸一化植被指數，其中，表示所述目標像元的歸一化植被指數，表示所述目標像元在近紅外波段的地表反射率，表示所述目標像元在紅光波段的地表反射率；

利用算式計算所述目標像元的增強型植被指數，其中，表示所述目標像元的增強型植被指數，表示預設增益系數，表示所述目標像元在藍光波段的地表反射率，，為預設常數，表示土壤調節系數。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述待分類農業遙感圖像中所述目標農作物的實際分布數據；

基于所述實際分布數據和所述目標分類模型輸出的分布數據對所述目標分類模型進行評價，得到評價結果，其中，所述評價結果包括以下至少之一：錯分率，漏分率，總體精度，Kappa系數。

5.根據權利要求1所述的方法，其特征在于，所述初始分類模型包括：反向傳播人工神經網絡模型。