【技术实现步骤摘要】
基于人工智能与多时相遥感的农业病虫害监测方法
本专利技术涉及人工智能、多时相遥感、智慧农业领域，具体涉及一种基于人工智能与多时相遥感的农业病虫害监测方法。
技术介绍
作物病虫害因具有发生种类多、影响范围广和局部爆发成灾的特点，一直以来是制约农业生产的一个重要因素，能够对作物产量和品质造成较大的影响。近年来，中国农业灾害表现为规模增大、程度加深的趋势。长期以来，农作物田块层次的取样实地调查一直是病虫害识别与监测的主要手段，但这类方法花费大量人力和时间，取样的范围和样本量有效，难以获得大范围的资料，随着劳动力成本的上升，迫切需要开发及时、大尺度、准确的监测技术。基于单景卫星影像进行病虫害监测时，往往很难避免一些其他因素的影响，如田间胁迫和农田环境等，造成监测精度不理想。而多时相遥感能够快速、大面积地监测作物种植结构、长势动态、养分状况等信息，并能够预测作物产量，提供精准生产管理决策信息，是当前农作物病虫害监测的发展方向。虽然多时相遥感技术的研究取得了很多成果，但是，其仍存在一些不足的问题，如人为干扰严重，精度不稳...
【技术保护点】
1.一种基于人工智能与多时相遥感的农业病虫害监测方法，其特征在于，包括以下步骤：/n步骤1，获取至少两个时相遥感影像，并对不同时相相遥感影像进行预处理，对预处理后的图像通过真彩色合成得到至少两个时相真彩色遥感影像；/n步骤2，对不同时相遥感影像进行分析，分别计算对应的遥感指数，并得到对应的遥感指数图像；所述遥感指数包括归一化植被指数NDVI、叶面积指数LAI、垂直干旱指数PDI；/n步骤3，构建神经网络模型，对所述神经网络模型进行训练，在训练过程中利用改进的交叉熵损失函数对神经网络模型训练，得到训练好的神经网络模型；/n步骤4，将所述至少两个时相真彩色遥感影像和遥感指数图像...
【技术特征摘要】
1.一种基于人工智能与多时相遥感的农业病虫害监测方法，其特征在于，包括以下步骤：
步骤1，获取至少两个时相遥感影像，并对不同时相相遥感影像进行预处理，对预处理后的图像通过真彩色合成得到至少两个时相真彩色遥感影像；
步骤2，对不同时相遥感影像进行分析，分别计算对应的遥感指数，并得到对应的遥感指数图像；所述遥感指数包括归一化植被指数NDVI、叶面积指数LAI、垂直干旱指数PDI；
步骤3，构建神经网络模型，对所述神经网络模型进行训练，在训练过程中利用改进的交叉熵损失函数对神经网络模型训练，得到训练好的神经网络模型；
步骤4，将所述至少两个时相真彩色遥感影像和遥感指数图像作为输入，利用训练好的神经网络模型，提取相邻两时相遥感影像数据的光谱与遥感指数变化特征，将所述变化特征进行融合后输入到解码器，输出下一时相的遥感影像的病虫害等级图像；
所述步骤3中的改进的交叉熵损失函数为
其中，Imagei表示加权图像中第i个像素值，Image＝ImageA+ImageB+ImageC+ImageD，其中，ImageA为色差权重图像，ImageB为农作物生长状态权重图像，ImageC为区域权重图像，ImageD为设定图像，所述设定图像的所有像值均为1，色差权重图像、农作物生长状态权重图像、区域权重图像和设定图像均与真彩色遥感影像等大；p(x)为图像中某一个像素的期望输出，q(x)为实际输出。
2.根据权利要求1所述的基于人工智能与多时相遥感的农业病虫害监测；方法，其特征在于，获取色差权重图像的步骤为：
步骤a，对多时相遥感影像进行处理，获取不同时相的农作物的地物图像，进行二值化处理，分别得到不同时相的农作物的地物二值图像；
步骤b，将不同时相的农作物的地物二值图像与对应时相的遥感影像相乘，得到不同时相的农作物的地物图像，并将其转换到Lab颜色空间，计算出两两相邻时相的农作物的地物图像的色差，对计算出的所有色差求平均值得到平均色差权重，将农作物的为位置赋值为平均色差权重，其他赋值为0，生成色差权重图像ImageA。
3.根据权利要求1所述的基于人工智能与多时相遥感的农业病虫害监测方法，其特征在于，获取农作物生长状态权重图像的方法为：
基于多时相遥感影响分析红边偏移...
【专利技术属性】
技术研发人员：范春丽，李玉华，刘晓娟，罗青，田云芳，赵奇，
申请(专利权)人：郑州师范学院，
类型：发明
国别省市：河南;41
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。