【技术实现步骤摘要】
一种茶树生长状态光谱影像鉴别方法
本专利技术属农作物信息提取领域，尤其涉及一种茶树生长状态光谱影像鉴别方法。
技术介绍
传统的茶树叶信息获取方法主要为基于人类视觉的经验判断方法以及基于破坏性试验的化学分析方法。但是这些传统方法都具有很大的不足之处，不能对整片区域的茶树生长状态与本区域地理环境信息相结合，不能够实现茶树的区域生长状态的快速鉴别。
技术实现思路
为解决传统方法不能对整片区域的茶树生长状态与本区域地理环境信息相结合，不能够实现茶树的区域生长状态的快速鉴别的问题，本专利技术提供了一种茶树生长状态光谱影像鉴别方法。本专利技术是这样实现的，本专利技术的茶树生长状态光谱影像鉴别方法包括：步骤一、选取土壤航空高光谱的光谱统计量、光谱特征值和光谱信息量作为因变量，计算参量后，建立光谱与土壤养分训练数据集；步骤二、将土壤光谱参量作为一组互联的节点，元素含量作为输出，进行神经网络训练，生成多层感知器，建立土壤养分含量BP神经网络模型；步骤三、如果存在某一选定区域的土壤养分的不相似...
【技术保护点】
1.一种茶树生长状态光谱影像鉴别方法，其特征在于，包括：/n步骤一、选取土壤航空高光谱的光谱统计量、光谱特征值和光谱信息量作为因变量，计算参量后，建立光谱与土壤养分训练数据集；/n步骤二、将土壤光谱参量作为一组互联的节点，元素含量作为输出，进行神经网络训练，生成多层感知器，建立土壤养分含量BP神经网络模型；/n步骤三、如果存在某一选定区域的土壤养分的不相似度大于设定阈值，重新选取区域土壤航空高光谱；/n步骤四、通过图像获取单元获取茶树叶源图像，建立灰度直方图统计图像灰度分布，通过分段灰度线性变换增强图像对比度后，使用高斯滤波进行平滑处理，完成图像的预处理；/n步骤五、在预处...
【技术特征摘要】
1.一种茶树生长状态光谱影像鉴别方法，其特征在于，包括：
步骤一、选取土壤航空高光谱的光谱统计量、光谱特征值和光谱信息量作为因变量，计算参量后，建立光谱与土壤养分训练数据集；
步骤二、将土壤光谱参量作为一组互联的节点，元素含量作为输出，进行神经网络训练，生成多层感知器，建立土壤养分含量BP神经网络模型；
步骤三、如果存在某一选定区域的土壤养分的不相似度大于设定阈值，重新选取区域土壤航空高光谱；
步骤四、通过图像获取单元获取茶树叶源图像，建立灰度直方图统计图像灰度分布，通过分段灰度线性变换增强图像对比度后，使用高斯滤波进行平滑处理，完成图像的预处理；
步骤五、在预处理后的茶树叶图像上选取特征区域，完成图像边缘特征点的提取，确定图像中的前景图像的图像边界；
步骤六、采用野外近地高光谱图像采集系统采集特征区域内茶树叶光谱信息，由图像预处理模块对光谱曲线进行预处理；
步骤七、由高光谱图像得到主成分图及特征波段的灰度图，从该特征波段的灰度图中提取纹理参数图，用纹理参数并对茶树叶指定元素含量进行预测，预测值小于设定阈值则将野外近地高光谱图像采集系统中的摄像头按照预设角度值旋转，重复步骤四至步骤六；
步骤八、对不同茶树叶取样样本中光谱信息中的同一提取特征进行不相似度评估，如果存在光谱信息中的某一特征的不相似度大于设定阈值，则采用野外近地高光谱图像采集系统中的摄像头按照预设角度值旋转，如果任一光谱信息中的某一特征不相似度小于设定阈值，则进入步骤九；
步骤九、利用最佳指数因子OIF选择最佳的波段组合，选出OIF最大的波段组合，利用多元线性回归对茶氨酸、叶绿素的含量估算；
步骤十、建立步骤二的BP神经网络模型所得土壤养分分别与步骤八所得茶氨酸、叶绿素的估算含量的偏最小二乘回归监测模型。
2.如权利要求1所述茶树生长状态光谱影像鉴别方法，其特征在于，光谱统计量的参量选用光谱幅度的均值、中值、反差、方差、标准差和离散系数；
光谱特征值选用蓝边、绿边、黄边、红边、近红外灯、红外灯；
...
【专利技术属性】
技术研发人员：张玉龙，张玉星，沈燕，
申请(专利权)人：昆山小茶智能科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。