一种遥感监测大面积茶园植株多酚含量的方法及系统技术方案

本发明专利技术公开了一种遥感监测大面积茶园植株多酚含量的方法及系统，本发明专利技术首先将无人机与高光谱传感器连接在一起，从高空采集高光谱影像，利用车载迷你电脑实现影像的快速存储。然后对影像进行自动化预处理，包括：辐射校正、图像筛选、图像融合、拼接和裁剪。提取影像内茶树植株，最大的减少枯枝、土壤等背景因素干扰。在建立光谱‑茶多酚监测模型前，对光谱进行预处理，消除噪声和冗余信息，完成大面积茶园多酚含量监测。

【技术实现步骤摘要】

本专利技术属于遥感
，尤其是涉及一种无人机机载高光谱遥感监测大面积茶园植株多酚含量的方法及系统。
技术介绍
茶多酚是茶叶中多酚类物质的总称，是形成茶叶色香味的主要成份之一，也是茶叶中有保健功能的主要成份之一，因其具解毒和抗辐射作用，能有效地阻止放射性物质侵入骨髓。对茶园植株多酚监测，目前有几种常见方法，但是这些方法各有优缺点：(1)基于干粉尺度；(2)基于鲜叶尺度；(3)基于冠层尺度。研究表明，基于干粉尺度茶多酚监测，最易于获得较为理想的监测结果。但要将茶树叶片摘下，摊青、蒸干并磨粉，最后用高光谱传感器进行光谱测定，工序繁琐，对于大面积茶园来说，耗时巨大，且操作困难。基于鲜叶尺度茶多酚监测，由于鲜叶中含有大量水分，将掩盖叶片中微量元素如多酚的在光谱中的吸收特性，且与方法(1)类似，研究对象是大面积茶园时，工作量巨大。基于冠层尺度的茶多酚监测方法，由于茶树冠层结构复杂，且受土壤背景因素的影响，模型精度不如(1)和(2)，但对大尺度茶园监测，是较为可行的方法。当前的利用遥感和光谱技术对冠层茶多酚含量进行监测主要集中在点尺度，即利用手持光谱仪，在茶叶冠层进行光谱测量。随着高光谱遥感技术的发展，涌现了一批机载和星载高光谱传感器，如AVIRIS,HyMap,CASI,Hyperion和天宫1号等。利用机载/星载高光谱传感器能节省大量的数据采集工作的时间，提高数据生产效率。然而机载/星载高光谱传感器的缺陷在于更新频率低、空间分辨率低(空间分辨率>20m)和价格昂贵。茶树一般采用单行条植法，行距0.5-1.5米，若使用机载/星载传感器采集高光谱影像，由于空间分辨率大于茶叶行距，单个像元中可能同时包含土地和茶树两种地物类型，俗称混合像元，茶多酚反演精度将被大大降低。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种遥感监测大面积茶园植株多酚含量的方法及系统，实现基于无人机载高光谱成像仪的大面积茶园植株多酚含量监测，提高冠层尺度监测模型的精度和效率。本专利技术的方法所采用的技术方案是：一种遥感监测大面积茶园植株多酚含量的方法，包括以下步骤：步骤1：根据用户设定的拍照参数，获取高光谱影像；步骤2：对获取的高光谱影像进行图像预处理；步骤3：对步骤2中预处理后的影像进行光谱预处理；步骤4：针对步骤3中预处理后的影像，选择回归方法和建模模型，将步骤3中预处理后的影像与样品茶多酚含量结合，建立遥感监测大面积茶园植株多酚含量模型。本专利技术的系统所采用的技术方案是：一种遥感监测大面积茶园植株多酚含量的系统，包括高光谱影像采集模块、影像预处理模块、光谱预处理模块和茶多酚含量监测模块；所述高光谱影像采集模块用于根据用户设定的拍照参数，获取高光谱影像；所述影像预处理模块用于对获取的高光谱影像进行图像预处理；所述光谱预处理模块用于对影像预处理模块预处理后的影像进行光谱预处理；所述茶多酚含量监测模块用于针对光谱预处理模块预处理后的影像，选择回归方法，将光谱预处理模块预处理后的影像与样品茶多酚含量结合，建立遥感监测大面积茶园植株多酚含量模型。本专利技术实现了茶多酚数据的快速监测。本专利技术首先将无人机与高光谱传感器连接在一起，利用车载迷你电脑实现影像的快速存储。然后对影像进行自动化预处理，包括：辐射校正、图像筛选、图像融合、拼接和裁剪。提取影像内茶树植株，最大的减少枯枝、土壤等背景因素干扰。在建立光谱-茶多酚监测模型前，对光谱进行预处理，消除噪声和冗余信息，完成大面积茶园多酚含量监测。附图说明图1为本专利技术实施例的高光谱影像采集流程图；图2为本专利技术实施例的影像预处理流程图；图3为本专利技术实施例的光谱预处理流程图；图4为本专利技术实施例的茶多酚含量监测流程图；图5为本专利技术实施例的BP神经网络结构图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。无人机载高光谱传感器有着精度高、数据覆盖广、获取便捷等优势，发挥了手持光谱仪和星载/机载光谱仪的优势，克服了他们的不足。由于无人机可以改变飞行高度，控制像元尺寸，使每个像元中尽量只包含一种地物类型，避免混合像元的干扰，提高了数据精度。其次，无人机载高光谱传感器能在一定高度飞行和连续拍摄，能满足大范围目标地物需求。因此，本专利技术利用无人机载高光谱传感器采集大面积茶园影像，并建立茶多酚监测和分析方法及系统。本专利技术提供的一种遥感监测大面积茶园植株多酚含量的方法，包括以下步骤：步骤1：根据用户设定的拍照参数，获取高光谱影像；请见图1，本专利技术利用机载高光谱传感器，对地面物体进行定时拍照，并储存在机载车载迷你电脑中，采集到的影像将被输入影像预处理模块。步骤2：对获取的高光谱影像进行图像预处理；请见图2，对获取的高光谱影像进行图像预处理，包括图像融合处理、辐射校正处理、图像筛选处理、拼接和裁剪处理、掩膜提取茶树植株处理。步骤3：对步骤2中预处理后的影像进行光谱预处理；请见图3，对步骤2中预处理后的影像进行光谱预处理，包括标准化处理、小波降噪处理、连续去除处理、一阶求导处理、二阶求导处理及以上标准化处理、小波降噪处理、连续去除处理、一阶求导处理、二阶求导处理的组合。其组合形式有：标准化和小波降噪处理组合，标准化和连续去除处理组合，标准化和连续去除处理组合，标准化和一阶求导处理组合，标准化和二阶求导处理组合，小波降噪和连续去除处理组合，小波降噪和一阶求导处理组合，小波降噪和二阶求导处理组合，连续去除和一阶求导处理组合，连续去除和二阶求导处理组合；标准化、小波降噪和连续去除组合，标准化、小波降噪和一阶求导处理组合，标准化、小波降噪和二阶求导处理组合，标准化、小波降噪、连续去除和一阶求导处理组合，小波降噪、连续去除和一阶求导处理组合，小波降噪、连续去除和二阶求导处理组合标准化、小波降噪、连续去除和一阶求导处理组合，标准化、小波降噪、连续去除和二阶求导处理组合。步骤4：针对步骤3中预处理后的影像，选择回归方法和建模模型，将步骤3中预处理后的影像与样品茶多酚含量结合，建立遥感监测大面积茶园植株多酚含量模型。请见图4，用户选择是要偏最小二乘法还是人工神经元网络建模，将经过光谱预处理的高光谱数据与样品茶多酚含量建立监测模型，遥感监测大面积茶园植株多酚含量模型包括基于偏最小二乘法和人工神经元网络建立的光谱与茶多酚含量模型。偏最小二乘法能消除高光谱大量光谱信息间的冗余性和相关性，提取特征信息。构建偏最小二乘法回归模型原理为：yk＝λok+λ1kT1+...+λnk(k＝1,2,...,n)式中，T1,……,Tn分别是光谱各波段的线性组合，λi(i＝1,...,n)为系数，用户指定k值，选取k个波段组合方式确定为k个成分，由最小二乘估计所有成分与茶多酚含量值之间的线性关系。例如用户指定k为3，则有：y1＝λ01+λ11T1+...λn1Tny2＝λ02+λ12T1+...λn2Tny3＝λ03+λ13T1+...λn3Tn然后用y1、y2、y3和茶多酚含量(p)建立线性模型：p＝m1y1+m2y2+m3y3+b其中，m1、m2、m3是一次项系数，b是常数项；请见图5，人工神经元网络模型是一种非参数的网络结本文档来自技高网...

【技术保护点】
一种遥感监测大面积茶园植株多酚含量的方法，其特征在于，包括以下步骤：步骤1：根据用户设定的拍照参数，获取高光谱影像；步骤2：对获取的高光谱影像进行图像预处理；步骤3：对步骤2中预处理后的影像进行光谱预处理；步骤4：针对步骤3中预处理后的影像，选择回归方法并建立模型，将步骤3中预处理后的光谱信息与茶树冠层茶多酚含量结合，建立遥感监测大面积茶园植株多酚含量模型；步骤5：检验步骤4中建立的遥感监测大面积茶园植株多酚含量模型精度是否达到要求；若否，则回转执行步骤3；若是，则本流程结束。

【技术特征摘要】
1.一种遥感监测大面积茶园植株多酚含量的方法，其特征在于，包括以下步骤：步骤1：根据用户设定的拍照参数，获取高光谱影像；步骤2：对获取的高光谱影像进行图像预处理；步骤3：对步骤2中预处理后的影像进行光谱预处理；步骤4：针对步骤3中预处理后的影像，选择回归方法并建立模型，将步骤3中预处理后的光谱信息与茶树冠层茶多酚含量结合，建立遥感监测大面积茶园植株多酚含量模型；步骤5：检验步骤4中建立的遥感监测大面积茶园植株多酚含量模型精度是否达到要求；若否，则回转执行步骤3；若是，则本流程结束。2.根据权利要求1所述的遥感监测大面积茶园植株多酚含量的方法，其特征在于：步骤2中所述对获取的高光谱影像进行图像预处理，包括图像融合处理、辐射校正处理、图像筛选处理、拼接和裁剪处理、掩膜提取茶树植株处理。3.根据权利要求1所述的遥感监测大面积茶园植株多酚含量的方法，其特征在于：步骤3中所述对步骤2中预处理后的影像进行光谱预处理，包括标准化处理、小波降噪处理、连续去除处理、一阶求导处理、二阶求导处理及标准化处理、小波降噪处理、连续去除处理、一阶求导处理、二阶求导处理的组合；其组合形式有：标准化和小波降噪处理组合，标准化和连续去除处理组合，标准化和连续去除处理组合，标准化和一阶求导处理组合，标准化和二阶求导处理组合，小波降噪和连续去除处理组合，小波降噪和一阶求导处理组合，小波降噪和二阶求导处理组合，连续去除和一阶求导处理组合，连续去除和二阶求导处理组合；标准化、小波降噪和连续去除组合，标准化、小波降噪和一阶求导处理组合，标准化、小波降噪和二阶求导处理组合，标准化、小波降噪、连续去除和一阶求导处理组合，小波降噪、连续去除和一阶求导处理组合，小波降噪、连续去除和二阶求导处理组合；标准化、小波降噪、连续去除和一阶求导处理组合，标准化、小波降噪、连续去除和二阶求导处理组合。4.根据权利要求1所述的遥感监测大面积茶园植株多酚含量的方法，其特征在于：步骤4中所述回归方法包括偏最小二乘法和人工神经元网络。5.根据权利要求1所述的遥感监测大面积茶园植株多酚含量的方法，其特征在于：步骤4中所述建模模型包括基于偏最小二乘法和人工神经元网络建立的光谱与茶多酚含量模型。6.根据权利要求1-5任意一项所述的遥感监测大面积茶园植株多酚含量的方法，其特征在于：步骤4中所述遥感监测大面积茶园植株多酚...

【专利技术属性】
技术研发人员：费腾，涂晔昕，
申请(专利权)人：武汉大学，武汉大学苏州研究院，
类型：发明
国别省市：湖北;42