基于多光谱的病虫害检测识别方法、系统及存储介质技术方案

本发明专利技术涉及植被生长监测技术领域，尤其是基于多光谱的病虫害检测识别方法、系统及存储介质，所述方法包括以下步骤：S100：采用无人机搭载多光谱相机采集待检测区域的多光谱影像；S200：根据所述多光谱影像，获取待检测区域的多光谱数据；S300：根据所述多光谱数据，分析待检测区域的植被指数；S400：根据所述植被指数，分析待检测区域的植被健康数据。采用本方案，能够提升数据采集效率，及时感知植被健康状况。况。况。

【技术实现步骤摘要】
基于多光谱的病虫害检测识别方法、系统及存储介质


[0001]本专利技术涉及植被生长监测
，特别涉及基于多光谱的病虫害检测识别方法、系统及存储介质。

技术介绍

[0002]光谱是指复色光经过色散系统(如棱镜、光栅)分光后，被色散分离成的单色光，通过成像系统，投射在探测器上成为按波长(或频率)大小依次排列的图案。多光谱是指能同时获取多个光学频谱波段(通常大于等于3个)，并在可见光的基础上向红外光和紫外光两个方向扩展的光谱探测技术。
[0003]近年来，多光谱技术逐渐被应用于农业病虫害分析领域，通常是通过多光谱数据对植被是否受到病虫害侵染进行分析。具体的，多光谱数据是指通过多光谱影像得出的叶绿素数据、类胡萝卜素数据等，叶绿素、类胡萝卜素等数据是植物吸收外部能量的“接收转换器”，当植被受到病虫害侵染时将会伴随着植被叶绿素和类胡萝卜素的结构、含量等变换，因此，可以通过植被的多光谱数据得出植被是否收到了病虫害侵染。但是，目前的多光谱数据采集通常采用人工实地采样的方式进行，该方法效率较低，对于突发的植被病虫害状况无法及时感知，尤其对于森林类大规模植被病虫害进行检测时，其延后性可能导致病虫害在数据采集阶段进一步扩散，导致更大规模的植被遭受病虫害侵染。

技术实现思路

[0004]本专利技术提供了基于多光谱的病虫害检测识别方法、系统及存储介质，能够提升数据采集效率，及时感知植被健康状况。
[0005]本专利技术提供的基础方案：
[0006]基于多光谱的病虫害检测识别方法，包括以下步骤：/>[0007]S100：采用无人机搭载多光谱相机采集待检测区域的多光谱影像；
[0008]S200：根据所述多光谱影像，获取待检测区域的多光谱数据；
[0009]S300：根据所述多光谱数据，分析待检测区域的植被指数；
[0010]S400：根据所述植被指数，分析待检测区域的植被健康数据。
[0011]本专利技术的原理及优点在于：采用无人机搭载多光谱相机对待检测区域的多光谱影像进行采集，相较于人工实地采集，其效率更高，从而可以及时采集到待检测区域的多光谱数据，及时感知待检测区域植被的健康状况。
[0012]进一步，所述植被指数包括归一化差异植被指数NDVI、土壤调节植被指数SAVI、植被水分指数NDMI和归一化差异水体指数NDWI中的一种或多种。
[0013]有益效果：根据多光谱数据，对多种植被指数进行分析，使数据的分析更加全面可靠，有利于得到更加准确的植被健康数据。
[0014]进一步，所述植被健康数据包括植被生长情况、微量元素获取情况和水分情况中的一种或多种。
[0015]有益效果：多方位分析植被健康数据，有利于感知待检测区域的植被健康状况。
[0016]进一步，所述多光谱相机设于无人机底部。
[0017]有益效果：将多光谱相机设置在无人机的底部，相较于将其设置在无人机其他方位，多光谱相机镜头受到遮挡的概率更小，故采用本方案，有利于在无人机飞行过程中，通过多光谱相机采集到更加全面的多光谱影像。
[0018]进一步，S100包括以下步骤：
[0019]S101：采集待检测区域的多光谱影像；
[0020]S102：将采集到的多光谱影像进行特征比对，并生成拼接相邻多光谱影像的拼接线；
[0021]S103：沿拼接线对多光谱影像进行裁剪；
[0022]S104：拼接裁剪后的多光谱影像，生成拼接后的多光谱影像。
[0023]有益效果：对采集到的多光谱影像进行拼接，从而获取到完整的待检测区域的多光谱影像。除此之外，对采集到的多光谱影像进行特征比对，并生成拼接相邻多光谱影像的拼接线，将各多光谱影像沿拼接线进行裁剪再拼接，剪去了各影像中重叠的部分，可以有效减小多光谱影像处理量。
[0024]进一步，所述无人机设有磁性件，所述多光谱相机设有磁铁，所述无人机与多光谱相机通过磁性件和磁铁可拆卸连接。
[0025]有益效果：利用磁铁吸附作用实现无人机与多光谱相机的可拆卸连接，与采用螺纹连接相比，安装及拆卸时更加方便快捷。
[0026]进一步，所述磁性件包括电源装置和电磁铁；
[0027]所述电源装置包括电源、导线和弹簧，所述电源活动设置于无人机上，所述导线通过弹簧与电源连接，所述弹簧处于未压缩状态时，弹簧与电源接触；
[0028]所述电磁铁包括线圈和铁芯；
[0029]所述线圈与导线连接。
[0030]有益效果：近年来，无人机坠机、爆炸等事故频繁发生，而搭载在无人机上的多光谱相机又价格昂贵，故本方案中，为了避免无人机发生事故时牵连多光谱相机，利用无人机与多光谱相机的可拆卸连接关系，使多光谱相机在无人机发生故障及时脱离无人机，实现多光谱相机的自保。
[0031]具体实现方式如下：将电源活动设置在无人机上，再将导线通过弹簧与电源连接，弹簧处于未压缩状态时，弹簧与电源接触，此时与电源装置连接的线圈处于通电状态，磁性件拥有磁性，无人机可通过磁性件实现与多光谱相机的连接。当无人机异常飞行，具有坠毁可能时，其倾斜会导致电源的移动，从而压缩电源正极或负极任一端连接的弹簧使得电源与另一端的弹簧脱离，导致电源装置处于断路状态，此时，与电源装置连接的线圈处于未通电状态，磁性件磁性消失，无人机与多光谱相机的连接作用消失，多光谱相机脱离无人机，避免了无人机的坠毁、爆炸等事故对多光谱相机造成损伤。
[0032]进一步，所述铁芯的材质为硅钢。
[0033]有益效果：硅钢材质容易磁化,又容易消失磁性，应用于本方案，可以在无人机异常飞行时，及时响应，消除无人机上磁性件的磁性，有利于多光谱相机快速脱离无人机。
[0034]基于多光谱的病虫害检测识别系统，使用了上述基于多光谱的病虫害检测识别方
法。
[0035]基于多光谱的病虫害检测识别存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述基于多光谱的病虫害检测识别方法。
附图说明
[0036]图1为本专利技术实施例基于多光谱的病虫害检测识别方法的流程图。
[0037]图2为本专利技术实施例基于多光谱的病虫害检测识别方法中无人机的结构示意图。
[0038]图3为本专利技术实施例基于多光谱的病虫害检测识别方法中无人机与多光谱相机的连接结构示意图。
[0039]图4为本专利技术实施例基于多光谱的病虫害检测识别方法中无人机的局部剖视图。
具体实施方式
[0040]下面通过具体实施方式进一步详细说明：
[0041]说明书附图中的标记包括：无人机1、电源2、导线3、弹簧4、线圈5、铁芯6、电源装置盒7、多光谱相机8、磁铁9。
[0042]实施例1：
[0043]实施例1基本如附图1所示：
[0044]基于多光谱的病虫害检测识别方法，具体包括以下步骤。
[0045]S100：采用无人机1搭载多光谱相机8采集待检测区域的多光谱影像，本实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多光谱的病虫害检测识别方法，其特征在于：包括以下步骤：S100：采用无人机搭载多光谱相机采集待检测区域的多光谱影像；S200：根据所述多光谱影像，获取待检测区域的多光谱数据；S300：根据所述多光谱数据，分析待检测区域的植被指数；S400：根据所述植被指数，分析待检测区域的植被健康数据。2.根据权利要求1所述的基于多光谱的病虫害检测识别方法，其特征在于：所述植被指数包括归一化差异植被指数NDVI、土壤调节植被指数SAVI、植被水分指数NDMI和归一化差异水体指数NDWI中的一种或多种。3.根据权利要求1所述的基于多光谱的病虫害检测识别方法，其特征在于：所述植被健康数据包括植被生长情况、微量元素获取情况和水分情况中的一种或多种。4.根据权利要求1所述的基于多光谱的病虫害检测识别方法，其特征在于：所述多光谱相机设于无人机底部。5.根据权利要求1所述的基于多光谱的病虫害检测识别方法，其特征在于：S100包括以下步骤：S101：采集待检测区域的多光谱影像；S102：将采集到的多光谱影像进行特征比对，并生成拼接相邻多光谱影像的拼接线；S103：沿拼接线对多光...

【专利技术属性】
技术研发人员：李浩澜，段勃，杨东鑫，胡立智，谭光明，张杨，
申请(专利权)人：中科计算技术西部研究院，
类型：发明
国别省市：