基于高光谱的病害程度诊断方法技术

本申请公开了一种基于高光谱的病害程度诊断方法，包括步骤：无人机搭载非成像高光谱仪；通过无人机采集多个待测作物的原始高光谱数据，得到待测作物可见光到近红波段的连续曲线，进行连续统去除处理归一化，得到待测作物的吸收特征参数，根据赤池信息量准则筛选吸收特征参数得到诊断特征，诊断特征包括吸收峰面积、吸收深度、和吸收对称度；将诊断特征作为自适应网络模糊推理系统模型的输入变量，通过自适应网络模糊推理系统模型得到输出量，输出量为待测作物的病害程度值数。本发明专利技术基于高光谱的病害程度诊断方法，节约人工、时间成本，避免了因调查人的主观性而造成的误差，更加准确地对作物病害程度进行诊断。

【技术实现步骤摘要】
基于高光谱的病害程度诊断方法
本申请涉及作物诊断
，尤其涉及一种基于高光谱的病害程度诊断方法。
技术介绍
水稻是我国主要粮食作物之一，水稻病害的防治是水稻种植过程中的主要任务，关于水稻病害诊断主要还是依靠农业专家根据病害症状和症状部位进行人工诊断，这种诊断方式固然可靠，但需要大量的农业专家亲临农业生产第一线，由于植保专家的人数毕竟有限，而且工作任务比较繁忙，所以只能是在个别时间和地点才能实现，无法应用到生产实际当中去。
技术实现思路
本申请公开了一种基于高光谱的病害程度诊断方法，包括步骤：无人机搭载非成像高光谱仪；通过无人机采集多个待测作物的原始高光谱数据，通过所述原始高光谱数据得到所述待测作物可见光到近红波段的连续曲线；对所述待测作物的连续曲线进行连续统去除处理归一化，得到所述待测作物的吸收特征参数，所述吸收特征参数包括吸收波段波长位置、吸收深度、吸收宽度、吸收斜率、吸收对称度、吸收峰面积和光谱绝对反射值；根据赤池信息量准则筛选所述吸收特征参数得到诊断特征，所述诊断特征包括所述吸收峰面积、所述吸收深度、和所述吸收对称度，其中所述吸收峰面积包括吸收峰总体面积和吸收峰左端面积；将所述诊断特征作为自适应网络模糊推理系统模型的输入变量，通过所述自适应网络模糊推理系统模型得到输出量，所述输出量为所述待测作物的病害程度值数。优选的，所述原始高光谱数据为所述待测作物灰度值。优选的，所述通过无人机采集待测作物的原始高光谱数据之前，对所述非成像高光谱仪校准，得到定标白板灰度值和定标白板反射率。优选的，所述连续曲线包括多个所述待测作物反射率，所述待测作物反射率根据以下方法得到：a＝bd/c；其中，a是所述待测作物反射率，b是所述待测作物灰度值，c是所述定标白板灰度值，d是所述定标白板反射率。优选的，所述连续曲线包括谷点和峰点，所述峰点包括第一峰点和第二峰点。优选的，所述吸收深度根据以下方法得到：h＝1-ρM；其中，h是所述吸收深度，ρM是所述谷点M对应的所述待测作物的反射率。优选的，所述吸收对称度根据以下方法得到：e＝(λS2-λM)/w；其中，e是吸收对称度参数，λS2是所述第二峰点S2的吸收波段波长位置，λM是所述谷点M的吸收波段波长位置，w是所述吸收宽度。优选的，所述吸收宽度w根据以下方法得到：w＝λS1-λS2；其中，w是所述吸收宽度，λS1是所述第一峰点S1的所述吸收波段波长位置，λS2是所述第二峰点S2的所述吸收波段波长位置。优选的，所述输入变量为钟形函数。优选的，所述可见光到所述近红波段的范围为350nm-900nm。与现有技术相比，本专利技术提供的基于高光谱的病害程度诊断方法，达到如下有益效果：本专利技术基于高光谱的病害程度诊断方法，通过遥感高光谱数据与自适应网络模糊推理系统(ANFIS)模型的结合，大大节约了人工成本和时间成本，避免了因调查人的主观性而造成的误差，与现有技术相比能够更加准确地对作物病害程度进行诊断。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本专利技术基于高光谱的病害程度诊断方法的流程图；图2是本专利技术待测作物可见光到近红波段的连续曲线；图3是本专利技术自适应网络模糊推理系统(ANFIS)模型预测结果散点图；图4是本专利技术自适应网络模糊推理系统(ANFIS)模型预测结果误差曲线散点图；图5是本专利技术自适应网络模糊推理系统(ANFIS)模型验证结果散点图；图6是本专利技术自适应网络模糊推理系统(ANFIS)模型验证结果误差曲线散点图；图7是本专利技术自适应网络模糊推理系统(ANFIS)模型预测值与地面实测值的拟合度直线图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。应注意到，所描述的实施例实际上仅仅是本专利技术一部分实施例，而不是全部的实施例，且实际上仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。本申请的保护范围当视所附权利要求所界定者为准。实施例1：参见图1，图1为本专利技术基于高光谱的病害程度诊断方法的流程图，包括步骤：步骤101，无人机搭载非成像高光谱仪；步骤102，将无人机悬停在待测作物的上方，通过无人机采集多个待测作物的原始高光谱数据，通过原始高光谱数据得到待测作物可见光到近红波段的连续曲线；步骤103，对待测作物的连续曲线进行连续统去除处理归一化，得到待测作物的吸收特征参数，吸收特征参数包括吸收波段波长位置、吸收深度、吸收宽度、吸收斜率、吸收对称度、吸收峰面积和光谱绝对反射值；步骤104，根据赤池信息量准则筛选吸收特征参数得到诊断特征，诊断特征包括吸收峰面积、吸收深度、和吸收对称度，其中吸收峰面积包括吸收峰总体面积和吸收峰左端面积；步骤105，将诊断特征作为自适应网络模糊推理系统模型的输入变量，通过得到自适应网络模糊推理系统模型得到输出量，输出量为待测作物的病害程度值数。本专利技术通过遥感高光谱数据与自适应网络模糊推理系统(ANFIS)模型的结合，大大节约了人工成本和时间成本，避免了因调查人的主观性而造成的误差，与现有技术相比能够更加准确地对作物病害程度进行诊断。实施例2：本申请基于高光谱的病害程度诊断方法的又一实施例，包括步骤：步骤201，无人机搭载非成像高光谱仪；步骤202，将无人机悬停在待测作物的上方，通过无人机采集多个待测作物的原始高光谱数据，通过原始高光谱数据得到待测作物可见光到近红波段的连续曲线；在步骤202中，原始高光谱数据为待测作物灰度值。通过无人机采集待测作物的原始高光谱数据之前，对非成像高光谱仪校准，得到定标白板灰度值和定标白板反射率。待测作物反射率根据以下方法得到：a＝bd/c；其中，a是待测作物反射率，b是待测作物灰度值，c是定标白板灰度值，d是定标白板反射率。在步骤202中，可见光到近红波段的范围为350nm-900nm。每一个波段都对应一个反射率，将多个待测作物对应的反射率的点连成线即可得到连续曲线。对原始光谱数据进行去除处理，将不能组成连接曲线的待测作物对应的反射率的点去除，使去除后的多个待测作物反射率对应的点连接成连续曲线。步骤203，对待测作物的连续曲线进行连续统去除处理归一化，得到待测作物的吸收特征参数，吸收特征参数包括吸收波段波长位置、吸收深度、吸收宽度、吸收斜率、吸收对称度、吸收峰面积和光谱绝对反射值；步骤204，根据赤池信息量准则筛选吸收特征参数得到诊断特征，诊断特征包括吸收峰面积、吸收深度、和吸收对称度，其中吸收峰面积包括吸收峰总体面积和吸收峰左端面积；在步骤204中，连续曲线包括谷点M和峰点S，肩端S包括第一峰点S1和第二峰点S2。吸收深度根据以下方法得到：h＝1-ρM；其中，h是吸收深度，ρM是谷点M对应的待测作物的反射率。吸收对称度根据以下方法得到：e＝(λS2-λM)/w；其中，e是吸收对称度参数，λS2是第二峰点S2的吸收波段波长位置，λM是谷点M的吸收波段波长位置，w是吸收宽度。吸收宽度w根据以下方法得到：w＝λS1-λS2；其中，w是吸收宽度，λS1是第一峰点S1的吸收波段波长位置，λS2是第二峰点S2的吸收波段本文档来自技高网...

【技术保护点】
1.一种基于高光谱的病害程度诊断方法，其特征在于，包括步骤：无人机搭载非成像高光谱仪；通过无人机采集多个待测作物的原始高光谱数据，通过所述原始高光谱数据得到所述待测作物可见光到近红波段的连续曲线；对所述待测作物的连续曲线进行连续统去除处理归一化，得到所述待测作物的吸收特征参数，所述吸收特征参数包括吸收波段波长位置、吸收深度、吸收宽度、吸收斜率、吸收对称度、吸收峰面积和光谱绝对反射值；根据赤池信息量准则筛选所述吸收特征参数得到诊断特征，所述诊断特征包括所述吸收峰面积、所述吸收深度、和所述吸收对称度，其中所述吸收峰面积包括吸收峰总体面积和吸收峰左端面积；将所述诊断特征作为自适应网络模糊推理系统模型的输入变量，通过所述自适应网络模糊推理系统模型得到输出量，所述输出量为所述待测作物的病害程度值数。

【技术特征摘要】
1.一种基于高光谱的病害程度诊断方法，其特征在于，包括步骤：无人机搭载非成像高光谱仪；通过无人机采集多个待测作物的原始高光谱数据，通过所述原始高光谱数据得到所述待测作物可见光到近红波段的连续曲线；对所述待测作物的连续曲线进行连续统去除处理归一化，得到所述待测作物的吸收特征参数，所述吸收特征参数包括吸收波段波长位置、吸收深度、吸收宽度、吸收斜率、吸收对称度、吸收峰面积和光谱绝对反射值；根据赤池信息量准则筛选所述吸收特征参数得到诊断特征，所述诊断特征包括所述吸收峰面积、所述吸收深度、和所述吸收对称度，其中所述吸收峰面积包括吸收峰总体面积和吸收峰左端面积；将所述诊断特征作为自适应网络模糊推理系统模型的输入变量，通过所述自适应网络模糊推理系统模型得到输出量，所述输出量为所述待测作物的病害程度值数。2.根据权利要求1所述的基于高光谱的病害程度诊断方法，其特征在于，所述原始高光谱数据为所述待测作物灰度值。3.根据权利要求2所述的基于高光谱的病害程度诊断方法，其特征在于，所述通过无人机采集待测作物的原始高光谱数据之前，对所述非成像高光谱仪校准，得到定标白板灰度值和定标白板反射率。4.根据权利要求3所述的基于高光谱的病害程度诊断方法，其特征在于，所述连续曲线包括多个所述待测作物反射率，所述待测作物反射率根据以下方法得到...

【专利技术属性】
技术研发人员：董锦绘，施蕾蕾，郝荣欣，刘龙，宮华泽，陈祺，
申请(专利权)人：北京麦飞科技有限公司，
类型：发明
国别省市：北京,11