植物根系探测方法及装置制造方法及图纸

本申请提供一种植物根系探测方法及装置，涉及探测技术领域。本申请实施例通过探地雷达设备对植物根系进行扫描，获取植物根系对应的雷达波数据；对雷达波数据进行预处理，得到预处理后的雷达波数据；从预处理后的雷达波数据中提取携带有植物根系的特征信息的关联数据；根据双级联随机森林算法和生成式对抗网络模型，解译关联数据，得到植物根系的生物特征，使得在使用GPR技术进行植物根系探测，对探地雷达波数据进行处理和特征提取时，能够通过双级联随机森林算法和生成式对抗网络模型，更精确地解译出植物根系的生物特征，从而有效地将雷达波数据中携带的根系信息提取出来。

Method and Device for Root Detection of Plants

【技术实现步骤摘要】
植物根系探测方法及装置
本申请涉及探测
，具体而言，涉及一种植物根系探测方法及装置。
技术介绍
探地雷达(GroundPenetratingRadar，GPR)技术是一种用于探测地下目标体的无损探测技术，被广泛应用于物理探测领域，如：探测地下岩土层、水位、管线、矿藏以及文物等。目前，在使用GPR技术进行植物根系探测时，主要通过对探地雷达波信号进行处理和特征提取，解译雷达波数据中携带植物根系信息，实现植物根系生物特征的估测与识别，进而获知探测目标体的大小、位置、材质信息以及异常状况等。但是，现有技术中，在使用GPR技术进行植物根系探测，对探地雷达波数据进行处理和特征提取时，常常无法有效地将雷达波数据中携带的根系信息提取出来。
技术实现思路
本申请的目的在于，提供一种植物根系探测方法及装置，用于解决现有技术中使用GPR技术进行植物根系探测，对探地雷达波信号进行处理和特征提取时，无法有效地将雷达波中携带的根系信息提取出来的问题。为实现上述目的，本申请实施例所采用的技术方案如下：第一方面，本申请实施例提供一种植物根系探测方法，所述方法包括：通过探地雷达设备对植物根系进行扫描，获取所述植物根系对应的雷达波数据；对所述雷达波数据进行预处理，得到预处理后的雷达波数据；从预处理后的雷达波数据中提取携带有所述植物根系的特征信息的关联数据；根据双级联随机森林算法和生成式对抗网络模型，解译所述关联数据，得到所述植物根系的生物特征。可选地，所述雷达波数据包括：雷达波信号和雷达波双曲线图像。可选地，所述对所述雷达波数据进行预处理，得到预处理后的雷达波数据，包括：对所述雷达波信号进行自动时变增益，得到补偿后的雷达波信号；采用希尔伯特黄变换对所述补偿后的雷达波信号进行时频分析，得到时频分析后的雷达波信号；对所述时频分析后的雷达波信号进行曲波Curvelet变换，得到预处理后的雷达波信号。可选地，所述对所述雷达波数据进行预处理，得到预处理后的雷达波数据，还包括：对所述雷达波双曲线图像进行去噪处理；对去噪处理后的所述雷达波双曲线图像进行图像锐化，得到预处理后的雷达波双曲线图像。可选地，所述从预处理后的雷达波数据中提取携带有所述植物根系的特征信息的关联数据，包括：采用稀疏降维算法结合强化学习SARSA算法，从所述预处理后的雷达波信号中提取携带有所述植物根系的特征信息的关联数据；和采用双树复小波算法对所述预处理后的雷达波双曲线图像进行三级双树复小波分解，得到预设数量个特征向量，并根据全卷积神经网络，从预设数量个所述特征向量中提取符合预设要求的特征向量，作为所述雷达波双曲线图像中携带有所述植物根系的特征信息的关联数据。可选地，所述植物根系的生物特征包括：根生物量、根径、生长方向和分布范围。第二方面，本申请实施例还提供一种植物根系探测装置，包括：获取模块，用于通过探地雷达设备对植物根系进行扫描，获取所述植物根系对应的雷达波数据；预处理模块，用于对所述雷达波数据进行预处理，得到预处理后的雷达波数据；提取模块，用于从预处理后的雷达波数据中提取携带有所述植物根系的特征信息的关联数据；解译模块，用于根据双级联随机森林算法和生成式对抗网络模型，解译所述关联数据，得到所述植物根系的生物特征。可选地，所述雷达波数据包括：雷达波信号和雷达波双曲线图像。可选地，所述预处理模块包括：时变增益模块，用于对所述雷达波信号进行自动时变增益，得到补偿后的雷达波信号；时频分析模块，用于采用希尔伯特黄变换对所述补偿后的雷达波信号进行时频分析，得到时频分析后的雷达波信号；曲波变换模块，用于对所述时频分析后的雷达波信号进行曲波Curvelet变换，得到预处理后的雷达波信号；去噪模块，用于对所述雷达波双曲线图像进行去噪处理；图像锐化模块，用于对去噪处理后的所述雷达波双曲线图像进行图像锐化，得到预处理后的雷达波双曲线图像。可选地，所述提取模块包括：第一提取子模块，用于采用稀疏降维算法结合强化学习SARSA算法，从所述预处理后的雷达波信号中提取携带有所述植物根系的特征信息的关联数据；第二提取子模块，用于采用双树复小波算法对所述预处理后的雷达波双曲线图像进行三级双树复小波分解，得到预设数量个特征向量，并根据全卷积神经网络，从预设数量个所述特征向量中提取符合预设要求的特征向量，作为所述雷达波双曲线图像中携带有所述植物根系的特征信息的关联数据。基于上述任一方面，本申请的有益效果是：本申请实施例通过探地雷达设备对植物根系进行扫描，获取植物根系对应的雷达波数据；对雷达波数据进行预处理，得到预处理后的雷达波数据；从预处理后的雷达波数据中提取携带有植物根系的特征信息的关联数据；根据双级联随机森林算法和生成式对抗网络模型，解译关联数据，得到植物根系的生物特征，使得在使用GPR技术进行植物根系探测，对探地雷达波数据进行处理和特征提取时，能够通过双级联随机森林算法和生成式对抗网络模型，更精确地解译出植物根系的生物特征，从而有效地将雷达波数据中携带的根系信息提取出来。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本申请实施例提供的植物根系探测方法的流程示意图；图2示出了GPR植物根系探测产生双曲线的示意图；图3示出了本申请实施例提供的植物根系探测方法的另一流程示意图；图4示出了本申请实施例提供的植物根系探测方法的又一流程示意图；图5示出了本申请实施例提供的植物根系探测方法的又一流程示意图；图6示出了本申请实施例提供的植物根系探测装置的结构示意图；图7示出了本申请实施例提供的植物根系探测装置的另一结构示意图；图8示出了本申请实施例提供的植物根系探测装置的又一结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。本申请实施例提供一种植物根系探测方法，可以应用于服务器、计算机等具有数据处理能力的设备。通过该植物根系探测方法进行植物根系探测，能够有效地将雷达波数据中携带的根系信息提取出来。图1示出了本申请实施例提供的植物根系探测方法的流程示意图。如图1所示，该植物根系探测方法包括：S101、通过探地雷达设备对植物根系进行扫描，获取植物根系对应的雷达波数据。其中，植本文档来自技高网...

【技术保护点】
1.一种植物根系探测方法，其特征在于，所述方法包括：通过探地雷达设备对植物根系进行扫描，获取所述植物根系对应的雷达波数据；对所述雷达波数据进行预处理，得到预处理后的雷达波数据；从预处理后的雷达波数据中提取携带有所述植物根系的特征信息的关联数据；根据双级联随机森林算法和生成式对抗网络模型，解译所述关联数据，得到所述植物根系的生物特征。

【技术特征摘要】
1.一种植物根系探测方法，其特征在于，所述方法包括：通过探地雷达设备对植物根系进行扫描，获取所述植物根系对应的雷达波数据；对所述雷达波数据进行预处理，得到预处理后的雷达波数据；从预处理后的雷达波数据中提取携带有所述植物根系的特征信息的关联数据；根据双级联随机森林算法和生成式对抗网络模型，解译所述关联数据，得到所述植物根系的生物特征。2.根据权利要求1所述的方法，其特征在于，所述雷达波数据包括：雷达波信号和雷达波双曲线图像。3.根据权利要求2所述的方法，其特征在于，所述对所述雷达波数据进行预处理，得到预处理后的雷达波数据，包括：对所述雷达波信号进行自动时变增益，得到补偿后的雷达波信号；采用希尔伯特黄变换对所述补偿后的雷达波信号进行时频分析，得到时频分析后的雷达波信号；对所述时频分析后的雷达波信号进行曲波Curvelet变换，得到预处理后的雷达波信号。4.根据权利要求3所述的方法，其特征在于，所述对所述雷达波数据进行预处理，得到预处理后的雷达波数据，还包括：对所述雷达波双曲线图像进行去噪处理；对去噪处理后的所述雷达波双曲线图像进行图像锐化，得到预处理后的雷达波双曲线图像。5.根据权利要求4所述的方法，其特征在于，所述从预处理后的雷达波数据中提取携带有所述植物根系的特征信息的关联数据，包括：采用稀疏降维算法结合强化学习SARSA算法，从所述预处理后的雷达波信号中提取携带有所述植物根系的特征信息的关联数据；和，采用双树复小波算法对所述预处理后的雷达波双曲线图像进行三级双树复小波分解，得到预设数量个特征向量，并根据全卷积神经网络，从预设数量个所述特征向量中提取符合预设要求的特征向量，作为所述雷达波双曲线图像中携带有所述植物根系的特征信息的关联数据。6.根据权利要求1-5任一项所述的方法...

【专利技术属性】
技术研发人员：梁浩，张萌，文剑，赵燕东，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京,11