[發(fā)明專利]一種基于多源數據的田間水稻白葉枯病監(jiān)測方法及系統

在審

• 申請?zhí)枺?/td>: 202210608339.4
• 申請日: 2022-05-31
• 公開（公告）號: CN114923908A
• 公開（公告）日: 2022-08-19
• 發(fā)明（設計）人: 馮旭萍;白秀琳;何勇;張金諾;陶明珠;吳晴觀
• 申請（專利權）人: 浙江大學
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N21/55;G01S17/89;G06T3/40;G06T7/00;G06T7/136;G06T7/194;G06N3/04;G06N3/08
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 程華

1.一種基于多源數據的田間水稻白葉枯病監(jiān)測方法，其特征在于，包括：

獲取在不同生育期下水稻田的多光譜圖像；

獲取在不同生育期下所述水稻田中水稻白葉枯病害程度和積溫數據；

獲取所述水稻田種植的水稻品種對白葉枯病害的抗性；

基于各所述多光譜圖像，提取所述水稻田中每個小區(qū)的平均冠層光譜反射率；所述水稻田分為多個小區(qū)；

基于各小區(qū)對應的平均冠層光譜反射率和水稻白葉枯病害程度，采用卷積神經網絡進行水稻白葉枯病害程度回歸，輸出深度光譜特征；

以各小區(qū)對應的積溫數據、深度光譜特征和對于白葉枯病害的抗性為輸入，以對應水稻白葉枯病害程度為輸出訓練病害程度回歸模型，獲得訓練好的病害程度回歸模型；

采用訓練好的病害程度回歸模型對待監(jiān)測水稻田的水稻白葉枯病害程度進行監(jiān)測。

2.根據權利要求1所述的基于多源數據的田間水稻白葉枯病監(jiān)測方法，其特征在于，還包括：

利用所述卷積神經網絡中注意力機制模塊輸出最佳波段組合，所述最佳波段組合為所述注意力機制模塊輸出的波長權重值從大到小排列后的前N項的對應的波長的組合；

根據所述最佳波段組合構建水稻白葉枯病害監(jiān)測光譜指數；

獲取待監(jiān)測水稻田的水稻白葉枯病害監(jiān)測光譜指數，將待監(jiān)測水稻田的水稻白葉枯病害監(jiān)測光譜指數映射到多光譜圖像中，得到待監(jiān)測水稻田的水稻白葉枯病害程度的可視化圖像。

3.根據權利要求1所述的基于多源數據的田間水稻白葉枯病監(jiān)測方法，其特征在于，所述獲取在不同生育期下水稻田的多光譜圖像，具體包括：

通過搭載多光譜相機的無人機獲取在不同生育期下水稻田的遙感圖像；

將多個所述遙感圖像進行圖像拼接后獲得所述水稻田整體的多光譜圖像。

4.根據權利要求1所述的基于多源數據的田間水稻白葉枯病監(jiān)測方法，其特征在于，所述獲取在不同生育期下所述水稻田中水稻白葉枯病害程度和積溫數據，具體包括：

根據各小區(qū)內水稻白葉枯病發(fā)病面積占總面積的比例確定各小區(qū)內白葉枯病害程度；

記錄獲取各多光譜圖像的當天各小區(qū)的最高溫度和最低溫度，通過積溫公式計算各小區(qū)的積溫數據。

5.根據權利要求1所述的基于多源數據的田間水稻白葉枯病監(jiān)測方法，其特征在于，所述基于各所述多光譜圖像，提取所述水稻田中每個小區(qū)的平均冠層光譜反射率，具體包括：

采用閾值分割方法對所述水稻田的各多光譜圖像進行背景去除；

從去除背景后的多光譜圖像中提取每個小區(qū)的平均冠層光譜反射率。

6.根據權利要求1所述的基于多源數據的田間水稻白葉枯病監(jiān)測方法，其特征在于，所述病害程度回歸模型為偏最小二乘回歸模型。

7.一種基于多源數據的田間水稻白葉枯病監(jiān)測系統，其特征在于，包括：

多光譜圖像獲取模塊，用于獲取在不同生育期下水稻田的多光譜圖像；

白葉枯病害程度和積溫數據獲取模塊，用于獲取在不同生育期下所述水稻田中水稻白葉枯病害程度和積溫數據；

水稻品種對白葉枯病害的抗性獲取模塊，用于獲取所述水稻田種植的水稻品種對白葉枯病害的抗性；

平均冠層光譜反射率提取模塊，用于基于各所述多光譜圖像，提取所述水稻田中每個小區(qū)的平均冠層光譜反射率；所述水稻田分為多個小區(qū)；

深度光譜特征輸出模塊，用于基于各小區(qū)對應的平均冠層光譜反射率和水稻白葉枯病害程度，采用卷積神經網絡進行水稻白葉枯病害程度回歸，輸出深度光譜特征；

病害程度回歸模型訓練模塊，用于以各小區(qū)對應的積溫數據、深度光譜特征和對于白葉枯病害的抗性為輸入，以對應水稻白葉枯病害程度為輸出訓練病害程度回歸模型，獲得訓練好的病害程度回歸模型；

病害程度監(jiān)測模塊，用于采用訓練好的病害程度回歸模型對待監(jiān)測水稻田的水稻白葉枯病害程度進行監(jiān)測。