[發明專利]一種冬小麥葉綠素含量的預測系統及方法

有效

• 申請號: 202110398607.X
• 申請日: 2021-04-12
• 公開（公告）號: CN113514402B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 耿洪偉;王偉;顏安;任毅;程宇坤
• 申請（專利權）人: 新疆農業大學
• 主分類號: G01N21/25
• 分類號: G01N21/25;G01N21/47;G01B11/24;G01K13/00;G06T3/40;G06T5/00;G06T7/90
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 孫楠

1.一種冬小麥葉綠素含量的預測方法，其特征在于，包括：

步驟S1、預先設置的預測系統中的無人機按照設定的航線和高度飛行，由搭載在無人機上的多光譜相機對田間進行高空影像數據采集，同時采集冬小麥地里預先設定的小區內的冠層葉面積性狀數據；

步驟S2、通過影像攜帶的地理坐標信息對影像進行拼接，然后進行降噪及白板矯正，獲取ROI的反射率；

步驟S3、根據各個小區反射率，結合植被系數方程，計算出各個小區的不同植被指數的值；

步驟S4、根據地表溫度傳感器獲取到地表溫度值，采集從種植當天到無人機的飛行數據的溫度積累量；

步驟S5、根據計算的不同植被指數，結合地表溫度和測試的葉綠素表型數據，采用神經網絡的算法構建葉綠素的估測模型，實現對冬小麥的葉綠素進行預測。

2.如權利要求1所述預測方法，其特征在于，所述步驟S1中，多光譜相機包括5個通道。

3.如權利要求2所述預測方法，其特征在于，所述步驟S1中，打開多光譜相機的5個通道同時進行影像的拍攝，拍攝時鏡頭垂直向下；同時地面的冬小麥應按照種植圖分別對每個小區進行地面葉綠素數據采集。

4.如權利要求1所述預測方法，其特征在于，所述步驟S2中，降噪采用椒鹽噪聲處理，獲取平滑的影像。

5.如權利要求1所述預測方法，其特征在于，所述步驟S2中，利用ENVI掩膜處理獲取各個小區的5個通道反射率；5個通道反射率分別為：紅光反射率記做R_red，藍光反射率記做R_blue，綠光反射率記做R_green，近紅外光反射率記做R_nir，紅邊光譜反射率記做R_rededge。

6.如權利要求1所述預測方法，其特征在于，所述步驟S2中，采用白板進行校正從像素的DN值轉換為反射率，反射率計算公式為：

式中，R為該小區對應的光譜通道的反射率，DN_多光譜為該小區所對應的多光譜單一通道的DN值，DN_白板為該通道拍攝白板提取的DN值。

7.如權利要求1所述預測方法，其特征在于，所述步驟S3中，植被系數方程包括：

式中，NDVI是歸一化植被指數，GNDVI綠色歸一化植被指數，EVI是增強型植被指數，NDRE是歸一化差異紅色邊緣指數，NDRGI是歸一化綠紅差異指數。

8.如權利要求1所述預測方法，其特征在于，所述步驟S5中，葉綠素的估測模型構建方法包括以下步驟：

步驟S51：根據計算的不同植被指數結合地面測試數據，采用隨機森林的算法進行模型的構建并對冠層的葉面積指數進行估測；

步驟S52：計算出所有小區的植被指數，所有的植被指數和地面數據形成M*N的矩陣；M表示冬小麥地里所有的ROI小區，N表示包含地面數據和植被指數的列，其中小麥的地面葉面積屬性表示分類屬性；

步驟S53：將M*N的矩陣，先采用隨機森林的算法選取貢獻率最高的3個指數，然后隨機選取70％的數據進行模型的建立，選取剩下的30％數據進行模型的驗證。

9.一種冬小麥葉綠素含量的預測系統，其特征在于，該系統用于實現如權利要求1至8任一項所述預測方法，包括：地表溫度傳感器、處理器、無人機、多光譜傳感器和白板；

所述地表溫度傳感器，設置在冬小麥種植區域內，用于將檢測到的種植區域的地面溫度傳輸至所述處理器；

所述無人機，用于搭載所述多光譜傳感器，所述多光譜傳感器通過所述無人機隨時高空采集種植區域內的冬小麥影像數據；

所述白板，用于接收所述多光譜傳感器傳輸至的影像數據，將圖像的DN值轉換為反射率，并傳輸至所述處理器；

所述處理器，根據接收到的數據得到葉綠素的估測模型，實現對冬小麥葉綠素含量的預測。

10.如權利要求9所述預測系統，其特征在于，所述地表溫度傳感器采用探針式的地表溫度傳感器，完全浸沒在土壤中。