[發(fā)明專利]一種基于地塊形態(tài)特征的農(nóng)田作物行向遙感識別方法

在審

• 申請?zhí)枺?/td>: 202210329863.8
• 申請日: 2022-03-31
• 公開（公告）號: CN114782324A
• 公開（公告）日: 2022-07-22
• 發(fā)明（設計）人: 丁天雨;鄭興明;曲福恒
• 申請（專利權）人: 中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/62
• 代理公司: 長春眾邦菁華知識產(chǎn)權代理有限公司 22214
• 代理人: 王瑩

本發(fā)明涉及一種基于地塊形態(tài)特征的農(nóng)田作物行向遙感識別方法，屬于作物行向識別技術領域。解決了現(xiàn)有的作物行向識別方法通常是針對厘米級無人機影像或照片進行的，難以應用于大范圍的作物行向制圖，而常用的商業(yè)衛(wèi)星和民用衛(wèi)星的分辨率很難利用地塊內部紋理結構特征來識別作物行向的問題。本發(fā)明的基于地塊形態(tài)特征的農(nóng)田作物行向遙感識別方法，放棄使用地塊內部復雜結構特征，以地塊為最小研究對象，利用圖像處理技術對地塊形狀和長寬比等簡單特征進行作物行方向的識別。本發(fā)明的方法對耕地地塊形狀大小差異大、隨機性高的區(qū)域有更強的適用性，在大空間尺度的影像上具有較高的應用潛力。

技術領域

本發(fā)明屬于作物行向識別技術領域，具體涉及一種基于地塊形態(tài)特征的農(nóng)田作物行向遙感識別方法，尤其適用于地塊平均面積大于0.5km²以上的耕地作物行向的識別。

背景技術

耕地作物種植一般采用大田種植的方式，種植時采用成行種植以充分增加作物受光照面積，利于作物呼吸蒸騰和氣體交換，并且能夠有效促進雨水充沛季節(jié)的田內排水。衛(wèi)星遙感作為一門能夠快速地獲取大范圍地面遙感信息的實用技術，在農(nóng)業(yè)領域被廣泛的應用于作物生長監(jiān)測、作物分類、作物估產(chǎn)、農(nóng)業(yè)災害監(jiān)測以及土壤水分反演等。遙感衛(wèi)星主要依靠接收遙感信號生成遙感圖像，但是遙感信號的反射會受到地面周期性結構的影響。在雷達圖像中，垂直于雷達觀測視角的行結構和平行于雷達觀測視角的行結構相比，同極化后向散射系數(shù)相差可達10dB，使用雷達數(shù)據(jù)進行土壤濕度反演時，由土壤壟行結構引起的誤差會超過土壤濕度反演的容限值，說明不同的作物行向會對模型反演結果的精度產(chǎn)生影響。在光學數(shù)據(jù)中由作物行向引起的誤差比雷達數(shù)據(jù)中誤差更直觀、更明顯。農(nóng)田作物行的二向反射分布特性使反射率隨太陽入射角及觀測角變化而有規(guī)律的變化，在影像處理時，需要進行雙向反射分布函數(shù)BRDF校正以減少由成像幾何角度引起的反射率差異，有利于提高多源光學影像之間的輻射一致性。所以作物行向作為衛(wèi)星遙感反演地表參數(shù)(生物量、作物產(chǎn)量、葉面積指數(shù)、含水量等)的一種重要影響因素，對其定量提取非常重要。

為了定量的提取作物行向，現(xiàn)有的方法一般采用：(1)人工獲取；(2)基于厘米級的無人機影像識別技術；(3)基于米級的衛(wèi)星遙感影像識別技術。人工獲取包括實地測量和對高分辨率影像進行目視解譯，這兩種獲取作物行向的方法費時費力、效率低下，特別是對實現(xiàn)大范圍、逐地塊、快速及時的作物行向識別的可行性不高。無人機在快速獲取區(qū)域范圍內農(nóng)作物的表型信息方面具有很大優(yōu)勢，在復雜的農(nóng)田環(huán)境條件下，機動靈活的無人機逐漸成為獲取農(nóng)作物行向的重要手段。在農(nóng)業(yè)種植園內，使用基于無人機采集的尺寸為320像素*240像素的生長初期玉米作物圖像，利用邊緣檢測和霍夫變換實現(xiàn)了基于作物行檢測的無人機導航作業(yè)，在作物生長初期、雜草較少的高分辨率無人機影像中的作物行檢測精度可達100％，減少了無人機噴撒藥物時偏離規(guī)劃航線的誤差，提高了無人機的作業(yè)效率和作業(yè)精度。通過對多時相無人機影像的分析，發(fā)現(xiàn)識別時期會影響作物行的識別精度，并且確定拔節(jié)期是使用高分辨率影像識別玉米行并提取的最佳時間，在土壤和玉米行之間具有高對比度的高分辨率無人機影像中提取玉米行的精度可達100％，為農(nóng)業(yè)管理活動提供了可靠數(shù)據(jù)。近年來，卷積神經(jīng)網(wǎng)絡被廣泛應用于雜草檢測、植被分類分割和作物產(chǎn)量估測等方面。SegNet分割網(wǎng)絡和霍夫變換相結合得到用于作物行檢測的CRowNet網(wǎng)絡，對無人機影像中的甜菜行進行檢測，在測試集上獲得了93.58％檢測識別率，此外在甜菜數(shù)據(jù)集上訓練的模型也能夠檢測出玉米的行結構，證明所提出的算法模型具有較好的泛化性。在空間分辨率為0.075m的航空影像中，作物行結構作為地面上的一種周期性結構可以很容易的被觀測到，考慮到頻域識別周期性信息的便利性，使用傅里葉幅度譜和方位角掃描可以對作物行向和周期進行提取，并取得相關系數(shù)R＝0.99，RMSE＝2.17°的識別精度，證明在更大范圍內使用超高分辨率的航空影像識別作物行向的可行性，提供了一種在大范圍尺度下，替代使用無人機影像識別作物行向的有效方案。米級的光學遙感衛(wèi)星影像在保留一定的地面細節(jié)觀測能力的基礎上，大大提高了地面的觀測尺度。使用方向空間濾波器和數(shù)學形態(tài)學算法對空間分辨率為2米Formosat-2衛(wèi)星影像中的作物紋理特征進行識別，針對向日葵、玉米等夏季作物和小麥、大麥和油菜等冬季作物分別實現(xiàn)精度為0.27R20.99，7.15°RMSE43.02°，0R20.96， 10.22°RMSE80°的作物行向檢測，為大范圍機械化農(nóng)業(yè)生產(chǎn)管理提供了可靠信息。