基于无人机多光谱预测棉田吐絮率的方法和装置制造方法及图纸

本申请提出了一种基于无人机多光谱预测棉田吐絮率的方法，涉及作物生长监测技术领域，其中，该方法包括：获取待监测区域，并获取待监测区域的多光谱图像；获取多光谱图像的光谱参数，根据光谱参数和待监测区域中不同时间段的吐絮率，提取每个时间段的多光谱波段曲线；根据多光谱波段曲线和归一化植被指数确定棉田吐絮率的新植被指数；根据新植被指数和已有植被指数确定最佳植被指数，根据最佳植被指数实现棉田吐絮率的监测，其中，最佳植被指数用于预测棉田吐絮率。采用上述方案的本发明专利技术实现了棉花吐絮率的准确监测。现了棉花吐絮率的准确监测。现了棉花吐絮率的准确监测。

【技术实现步骤摘要】
基于无人机多光谱预测棉田吐絮率的方法和装置


[0001]本申请涉及作物生长监测
，尤其涉及基于无人机多光谱预测棉田吐絮率的方法和装置。

技术介绍

[0002]棉花是我国重要的经济作物，是关系国计民生的重要物资，在国民经济中占有重要地位。棉花的收获需要大量的人工投入，在农业劳动力日渐短缺的背景下，实现机械化收获已经成为必然趋势。在实际的农业生产中，通常采用喷施脱叶催熟剂的方法促使棉株的叶片尽快脱落，以提高机械采收的作业效率并降低子棉的含杂率并促进棉铃的开裂。正确的脱叶时间能平衡潜在产量增加的价值与纤维质量变化的价值,脱叶时间过早,棉铃过早停止发育,对产量和纤维品质会产生影响；延迟落叶，会增加由于早期霜冻和晚季恶劣天气造成的产量损失风险。只有适时地脱叶催熟,在保障脱叶效果的同时,还能够促使同化产物从“源”向“库”转移,提高棉花的产量。而吐絮率是判断喷施脱叶催熟剂时间和决定收获时间的重要因素。在美国中南部棉花以60％或65％吐絮率为喷施脱叶催熟剂时间的考虑阈值。而在中国新疆北疆棉花在吐絮率达到50％时喷施脱叶剂效果最佳。Gormus划分早熟和中晚熟棉花品种确定吐絮率阈值，以确定实现高产和纤维质量的理想施用时间，建议早熟品种在90％开铃时脱叶，对中晚熟品种在70％开铃时脱叶，能够提高产量条件下不影响纤维品质。尽管关于脱叶催熟剂应用时的吐絮率阈值各不相同。但吐絮率的准确监测是判断脱叶催熟剂时间和决定收获时间的关键。

技术实现思路

[0003]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
>[0004]为此，本申请的第一个目的在于提出一种基于无人机多光谱预测棉田吐絮率的方法，实现了棉花吐絮率的准确监测。
[0005]本申请的第二个目的在于提出一种基于无人机多光谱预测棉田吐絮率的装置。
[0006]为达上述目的，本申请第一方面实施例提出了一种基于无人机多光谱预测棉田吐絮率的方法，包括：获取待监测区域，并获取待监测区域的多光谱图像；获取多光谱图像的光谱参数，根据光谱参数和待监测区域中不同时间段的吐絮率，提取每个时间段的多光谱波段曲线；根据多光谱波段曲线和归一化植被指数确定棉田吐絮率的新植被指数；根据新植被指数和已有植被指数确定最佳植被指数，根据最佳植被指数实现棉田吐絮率的监测，其中，最佳植被指数用于预测棉田吐絮率。
[0007]本申请实施例的基于无人机多光谱预测棉田吐絮率的方法，通过分析无人机多光谱波段反射率与吐絮率的相关性以及在不同的时间段调查不同的吐絮率时所得到的光谱曲线，创建一种新的植被指数，通过将植被指数与不同时间段内调查的吐絮率数据结合，进行线性回归建模预测，本申请构建的新的植被指数，为棉花吐絮率估测方法提供新的思路，为区域尺度的精准农业管理和决策提供重要理论基础与技术支撑。
[0008]可选地，在本申请的一个实施例中，获取待监测区域包括：
[0009]获取棉田试验区域，将棉田试验区域划分为多个子区域，将子区域作为待监测区域。
[0010]可选地，在本申请的一个实施例中，获取待监测区域的多光谱图像，包括：
[0011]根据待测区域的空间范围设置无人机的飞行路径，以根据飞行路径控制无人机进行飞行时，通过多光谱相机进行多光谱图像的采集。
[0012]可选地，在本申请的一个实施例中，光谱参数包括：近红外波段，红边位置波段，红波段，获取多光谱图像的光谱参数，包括：
[0013]通过植被指数公式提取每个待监测区域的光谱指数值，其中，光谱指数值为光谱参数，
[0014]对不同时间段吐絮率与光谱参数进行分析，提取出每个待监测区域每个时段的多光谱波段曲线，包括：
[0015]根据每个待监测区域的不同时间段吐絮率与光谱指数值的相关性分析，并与地面参数进行相关性分析，得到每个待监测区域每个时段的多光谱波段曲线。
[0016]可选地，在本申请的一个实施例中，新植被指数表示为：
[0017]BORI＝(Nir
‑
RE
‑
Red)/(Nir
‑
RE+Red)
[0018]其中，BORI为新植被指数，Nir为近红外波段，RE为红边位置波段，Red为红波段。
[0019]可选地，在本申请的一个实施例中，根据新植被指数和已有植被指数确定最佳植被指数，包括：
[0020]对新植被指数与吐絮率进行一元线性回归建模，并用已有的植被指数与吐絮率进行建模，得到第一模型和第二模型；
[0021]建立模型时对模型进行5折回归交叉验证，通过决定系数、均方根误差和平均绝对误差来评价模型的性能；
[0022]根据第一模型和第二模型，以及模型性能的验证结果进行判断，确定最佳的预测吐絮率的植被指数。
[0023]为达上述目的，本专利技术第二方面实施例提出了一种基于无人机多光谱预测棉田吐絮率的装置，包括数据获取模块、数据处理模块、指数生成模块、指数确定模块，其中，
[0024]数据获取模块，用于获取待监测区域，并获取待监测区域的多光谱图像；
[0025]数据处理模块，用于获取多光谱图像的光谱参数，根据光谱参数和待监测区域中不同时间段的吐絮率，提取每个时间段的多光谱波段曲线；
[0026]指数生成模块，用于根据多光谱波段曲线和归一化植被指数确定棉田吐絮率的新植被指数；
[0027]指数确定模块，用于根据新植被指数和已有植被指数确定最佳植被指数，根据最佳植被指数实现棉田吐絮率的监测，其中，最佳植被指数用于预测棉田吐絮率。
[0028]可选地，在本申请的一个实施例中，获取待监测区域包括：
[0029]获取棉田试验区域，将棉田试验区域划分为多个子区域，将子区域作为待监测区域。
[0030]可选地，在本申请的一个实施例中，获取待监测区域的多光谱图像，包括：
[0031]根据待测区域的空间范围设置无人机的飞行路径，以根据飞行路径控制无人机进
行飞行时，通过多光谱相机进行多光谱图像的采集。
[0032]可选地，在本申请的一个实施例中，根据新植被指数和已有植被指数确定最佳植被指数，包括：
[0033]对新植被指数与吐絮率进行一元线性回归建模，并用已有的植被指数与吐絮率进行建模，得到第一模型和第二模型；
[0034]建立模型时对模型进行5折回归交叉验证，通过决定系数、均方根误差和平均绝对误差来评价模型的性能；
[0035]根据第一模型和第二模型，以及模型性能的验证结果进行判断，确定最佳的预测吐絮率的植被指数。
[0036]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0037]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0038]图1为本申请实施例一所提供的一种基于无人机多光谱预测棉田吐絮率的方法的流程示意图；
[0039]图2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机多光谱预测棉田吐絮率的方法，其特征在于，包括以下步骤：获取待监测区域，并获取所述待监测区域的多光谱图像；获取所述多光谱图像的光谱参数，根据所述光谱参数和所述待监测区域中不同时间段的吐絮率，提取每个时间段的多光谱波段曲线；根据所述多光谱波段曲线和归一化植被指数确定棉田吐絮率的新植被指数；根据所述新植被指数和已有植被指数确定最佳植被指数，根据所述最佳植被指数实现棉田吐絮率的监测，其中，所述最佳植被指数用于预测棉田吐絮率。2.如权利要求1所述的方法，其特征在于，所述获取待监测区域包括：获取棉田试验区域，将所述棉田试验区域划分为多个子区域，将所述子区域作为所述待监测区域。3.如权利要求1所述的方法，其特征在于，所述获取所述待监测区域的多光谱图像，包括：根据所述待测区域的空间范围设置无人机的飞行路径，以根据所述飞行路径控制所述无人机进行飞行时，通过所述多光谱相机进行所述多光谱图像的采集。4.如权利要求1所述的方法，其特征在于，所述光谱参数包括：近红外波段，红边位置波段，红波段，所述获取所述多光谱图像的光谱参数，包括：通过植被指数公式提取每个待监测区域的光谱指数值，其中，所述光谱指数值为所述光谱参数，所述对所述不同时间段吐絮率与所述光谱参数进行分析，提取出每个待监测区域每个时段的多光谱波段曲线，包括：根据所述每个待监测区域的不同时间段吐絮率与所述光谱指数值的相关性分析，并与地面参数进行相关性分析，得到所述每个待监测区域每个时段的多光谱波段曲线。5.如权利要求1所述的方法，其特征在于，所述新植被指数表示为：BORI＝(Nir
‑
RE
‑
Red)/(Nir
‑
RE+Red)其中，BORI为新植被指数，Nir为近红外波段，RE为红边位置波段，Red为红波段。6.如权利要求1所述的方法，其特征在于，所述根据所述新植被指数和已有植被指数确定最佳植被指数，包括：对所述新...

【专利技术属性】
技术研发人员：杜明伟，王玉坤，田晓莉，李召虎，张明才，李可心，王瑶，肖辰宇，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：