[發明專利]基于高光譜圖像融合圖譜特征的小麥植株氮含量估測方法

有效

• 申請號: 202011308778.0
• 申請日: 2020-11-19
• 公開（公告）號: CN112287886B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 楊寶華;劉碧云;黃正來;武立權;張海鵬;朱月
• 申請（專利權）人: 安徽農業大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/25;G06V10/30;G06V10/40;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 蘇州達權專利代理事務所(普通合伙) 32737
• 代理人: 陸堅

本發明提出基于高光譜圖像融合圖譜特征的小麥植株氮含量估測方法。本發明的方法是采集小麥冠層高光譜圖像和地面小麥植株氮含量；首先提取光譜反射率并計算植被指數、位置和形狀特征；然后提取主成分高光譜圖像并利用卷積神經網絡提取深層特征；再次利用隨機森林算法、相關系數分析法確定優選的特征，利用并行融合策略針對優選的特征構建新的融合圖譜特征；最后建立基于融合圖譜特征的支持向量回歸模型預測小麥植株氮含量。本發明的方法估測精度高、模型的泛化力強，適用于小麥全生育期，同時也是目前第一次提出綜合高光譜圖像的植被指數、位置和形狀特征、深層特征構建融合圖譜特征估測小麥植株氮含量的方法。

技術領域

本發明屬于作物生長監測技術領域，尤其是一種基于高光譜圖像融合圖譜特征的小麥植株氮含量估測方法。

背景技術

小麥作為中國重要的糧食作物，在農業生產和戰略性糧食儲備中占有重要地位。氮是影響農作物生長生育、物質生產力和產量品質的主要養分。作物氮素營養的智能監測、定量診斷與動態調控是精確農業的核心內容和科學依據。精準、快速、無損監測氮素是提高作物生產率和競爭力的關鍵，優化作物氮素管理對于農業生產全程精準集約化、糧食安全和可持續農業發展至關重要。尤其是高光譜圖像監測，不僅提供了有關植被冠層反射率的空間和光譜信息，還提供了豐富的空間和位置特征。因此，基于高光譜圖像的作物生長監測可以準確評估作物的氮素狀況，對于指導季節內定時定點定量的氮肥推薦，優化作物栽培、減施增效、促進農業可持續發展具有重要意義。

隨著高光譜圖像數據獲取能力和存儲能力的逐漸提高，一方面，高分辨率的光譜數據使得高維數據的特征提取顯得更為重要，植被指數雖然提供了基于農學機理解釋，但是僅使用了少量波長的反射率，而忽略了大量的高光譜信息，影響了基于高光譜的小麥氮素營養監測模型的魯棒性(Davide?et?al.,2014)。為了突出小麥冠層光譜吸收特征之間的差異，有必要利用連續統去除方法，挖掘出更多的光譜反射位置和吸收位置特征的潛在信息，不僅解決了現有指數的飽和問題，還有效減弱了背景對光譜特征的影響(MutangaSkidmore,2004)。

另一方面，高維數據中非線性部分的表達隨著維度的增加變得越來越重要。傳統的高光譜圖像特征提取方法主要利用手工提取的特征，如顏色特征、邊緣特征和紋理特征等。傳統的特征表達僅僅關注較少且相對較明顯的特征，而且這些特征對于不同的輸入數據而言并不可靠。相比之下，基于深度學習的方法利用高光譜圖像深層特征，可以實現數據本質特征的提取。Li等(2019)也證明了CNN模型提取的深層特征可以大幅度提高目標檢測能力。已有研究表明卷積神經網絡深度對于視覺識別及特征提取任務至關重要，尤其對于處理具有非常復雜空間光譜特征的高光譜圖像(Hyperspectral?Imagery,HIS)(Zhang?etal.,2019)。然而，卷積神經網絡由于具有深層神經網路結構，通常也會弱化空間光譜結構，而忽略了大量隱式有用的信息。為了更有效利用高光譜圖像豐富的非線性特征，有必要綜合利用高光譜圖像提取的植被指數、光譜位置和形狀特征、波段位置和形狀等傳統圖譜特征以及抽象的深層特征，實現不同層次特征間的相互補充和完善，突破了傳統單一特征的局限。

發明內容

本發明所解決的技術問題在于提供一種基于高光譜圖像融合圖譜特征的小麥植株氮含量估測方法，結合高光譜圖像的植被指數、位置和形狀特征、深層特征構建融合圖譜特征來估測小麥植株氮含量，估測精度高，同時適用于小麥全生育期。

實現本發明目的的技術解決方案為：

基于高光譜圖像融合圖譜特征的小麥植株氮含量估測方法，包括以下步驟：

步驟1：通過高光譜成像儀采集獲取小麥冠層高光譜圖像數據，同時對小麥植株進行隨機破壞性取樣，得到小麥植株樣本；

步驟2：對小麥冠層高光譜圖像數據進行預處理，包括去除噪聲及暗背景校正；

步驟3：對小麥冠層高光譜圖像反射率進行數據處理，計算植被指數、位置和形狀特征，同時測定小麥植株樣本的植株氮含量數據；