[發明專利]基于卷積神經網絡的中國北方冬小麥遙感估產

在審

• 申請號: 202010873526.6
• 申請日: 2020-08-26
• 公開（公告）號: CN112131954A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 史巖巖;戴維序;祖笑鋒;李培琳
• 申請（專利權）人: 航天信德智圖（北京）科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06Q10/04;G06Q10/06
• 代理公司: 天津展譽專利代理有限公司 12221
• 代理人: 鄭曉晨

本發明公開了一種基于卷積神經網絡的中國北方冬小麥遙感估產，屬于農作物估產方法技術領域，本發明的卷積神經網絡模型可以從遙感影像中有效地學習與冬小麥產量相關的特征，解決了傳統統計模型對復雜關系擬合的制約，不依賴實地樣本采集，在模型訓練完成后對未來冬小麥產量預測可以做到實時高效；所采用的直方圖降維可以在不同尺度以及不同作物中進行作物估產，在大范圍小尺度中隨著樣本量的增加算法精度會逐漸提升。本發明能夠有效減少冬小麥苗期長勢參數估算的中間環節和人工干預，為冬小麥苗期長勢監測的相關研究提供了可靠且準確的數據基礎。

技術領域

本發明屬于農作物估產方法技術領域，尤其涉及一種基于卷積神經網絡的中國北方冬小麥遙感估產。

背景技術

冬小麥是中國重要的糧食作物，主要分布于暖溫帶的北方冬小麥區。冬小麥產量估算對于掌握冬小麥產量情況，及時準確制定生產管理措施和提高產量具有重要實際意義。傳統的冬小麥產量估測方法主要依靠農民經驗判斷，其可靠性難以保證。隨著人工智能與大數據技術的發展，遙感大數據為農業應用提供了智能化和信息化的技術途徑，現有技術中遙感估產中最為有效的方法有兩種：一是利用數據同化技術把遙感反演參數信息融入到作物機理過程模型之中，實現大面積作物生長狀態及產量模擬的目的；二是基于統計模型方法的遙感估產，其統計模型方法包括線性模型方法和非線性模型方法，但是作物產量形成的機理通常表現為非線性，因此非線性模型方法更受研究者的關注，如支持向量回歸，然而，支持向量回歸這種傳統統計學習方法并不適合大規模數據處理。

發明內容

本發明要解決的技術問題是提供一種范圍大，實時高效，高精度的基于卷積神經網絡的中國北方冬小麥遙感估產。

為了解決上述技術問題，本發明采用的技術方案是：一種基于卷積神經網絡的中國北方冬小麥遙感估產，包括以下步驟：

步驟一，選擇估產區域：采用MODIS數據，將MODIS數據中不同產品的多個波段作為估產指標，將MODIS數據的投影轉換為基于WGS-84橢球體的UTM投影，同時對多張類型的影像進行波段提取，拼接，裁剪后融合為若干影像；

步驟二，估產樣本構建：確定直方圖降維的范圍，離散化統計像素個數生成像素直方圖，對生成的像素直方圖進行歸一化處理；

步驟三，將步驟一中的影像進行直方圖提取，使得每個波段的影像生成向量，同時時間序列上進行融合形成矩陣，在生長季中由遙感影像生成的矩陣作為卷積神經網絡的輸入層，以相同時間相應地級市的冬小麥產量數據作為輸出層，構造一個完整的卷積神經網絡樣本，構建的樣本形成卷積神經網絡的估產樣本庫，包括訓練集和驗證集。

所述卷積神經網絡包括輸入層、卷積層、激活層、批歸一化層、Dropout層、全連接層和輸出層。

本發明的估產精度評價指標包括決定系數，皮爾遜積矩相關系數，均方根誤差和平均相對誤差。

由于采用上述技術方案，本發明的卷積神經網絡模型可以從遙感影像中有效地學習與冬小麥產量相關的特征，解決了傳統統計模型對復雜關系擬合的制約，不依賴實地樣本采集，在模型訓練完成后對未來冬小麥產量預測可以做到實時高效；所采用的直方圖降維可以在不同尺度以及不同作物中進行作物估產，在大范圍小尺度中隨著樣本量的增加算法精度會逐漸提升。本發明能夠有效減少冬小麥苗期長勢參數估算的中間環節和人工干預，為冬小麥苗期長勢監測的相關研究提供了可靠且準確的數據基礎。

具體實施方式

下面結合實施例進一步敘述本發明：

一種基于卷積神經網絡的中國北方冬小麥遙感估產，包括以下步驟：