基于无人机多光谱成像结合高分辨率的白菜表型研究方法技术

本发明专利技术提出了基于无人机多光谱成像结合高分辨率的白菜表型研究方法，包括：通过无人机带动摄像机对自然生长环境中的白菜进行图像采集，并得到第一图像信息，所述第一图像信息包括为.jpg、.png后缀的图片；使用Pix4D软件并根据图像POS点将图像进行拼接，从而得到总体白菜地块的图像信息；通过深度学习方法，将总体白菜的图像信息中单个白菜进行识别并定位；采用SRGAN模型实现图像的分辨率提升，对各个单个的白菜的表型信息预测。基于无人机多光谱成像结合高分辨率的白菜表型研究方法，取代人工耗时耗力的人为表型判定方法；利用无人机成像实现大批量样本的获取；基于机器飞行的GSD计算白菜的幅宽等信息可以提高准确率；实现单株白菜表型信息的获取。现单株白菜表型信息的获取。现单株白菜表型信息的获取。

【技术实现步骤摘要】
基于无人机多光谱成像结合高分辨率的白菜表型研究方法


[0001]本专利技术涉及白菜培育
，尤其涉及基于无人机多光谱成像结合高分辨率的白菜表型研究方法。

技术介绍

[0002]基于光谱技术的白菜叶绿素测量，而现有的是在实验室进行测量。基于图像技术的白菜表型测定，现有白菜表型测定方式为人工方式，用眼看用尺量等，或者利用简单的图像处理手段进行测量。
[0003]目前白菜表型的测定有传统人工测定与图像处理方法。传统方式为用眼看、用尺量，其耗时耗力。而图像处理方式需要将样本带至实验室，照片进行逐张拍摄，耗费时间，准确率并不高。本专利利用无人机成像技术结合深度学习实现白菜表型的快速准确预测，基于GSD测定白菜的长宽高。采样时间短，准确率高，具有一定的推广意义。同时为了提高低端无人机的性价比，本专利将预处理后的无人机图像进行分辨率提升，利用超分辨率提升深度学习模型来提高单株白菜的分割准确率。最终实现以高性价比的实验装置获取更多更准确的单株白菜表型信息。

技术实现思路

[0004]本专利技术要解决的技术问题是克服现有技术存在的缺陷，本专利技术提出了基于无人机多光谱成像结合高分辨率的白菜表型研究方法。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：基于无人机多光谱成像结合高分辨率的白菜表型研究方法，包括：
[0006]通过无人机带动摄像机对自然生长环境中的白菜进行图像采集，并得到第一图像信息，所述第一图像信息包括为.jpg、.png后缀的图片；
[0007]使用Pix4D软件并根据图像POS点将图像进行拼接，从而得到总体白菜地块的图像信息；
[0008]通过深度学习方法，将总体白菜的图像信息中单个白菜进行识别并定位；
[0009]采用SRGAN模型实现图像的分辨率提升，对各个单个的白菜的表型信息预测。
[0010]进一步地，所述深度学习方法包括：采用图像处理按照图像的重复率与特定像素进行图像裁剪，从而得到单颗白菜的第二图像信息，所述第二图像信息包括识别图像信息和定位位置信息。
[0011]进一步地，所述采用图像处理按照图像的重复率与特定像素进行图像裁剪包括：
[0012]S1：确定白菜地块定植图；
[0013]S2：采用UNet模型、MaskR
‑
CNN模型进行图像分割、确定最优分割模型。
[0014]进一步地，所述采用SRGAN模型实现图像的分辨率提升，对各个单个的白菜的表型信息预测的方法包括：
[0015]S1：采用SRGAN模型实现图像的分辨率提升，得到单个白菜的最优模型，所述最优
模型含有多种单个白菜的模型信息，所述模型信息包括白菜模型的幅宽、幅长、株高、叶绿素；
[0016]S2：建立回归模型，通过白菜模型的幅宽、幅长、株高、叶绿素数据得到实际的单个白菜的幅宽、幅长、株高、叶绿素。
[0017]进一步地，所述回归模型包括根据白菜地块的实际数据与图像的比例，并基于无人机的GSD，从而得到实际单个白菜的幅宽、幅长、株高、叶绿素数据。
[0018]与现有技术相比，本专利技术的有益效果包括：本专利利用无人机成像技术结合深度学习实现白菜表型的快速准确预测，基于GSD测定白菜的长宽高。采样时间短，准确率高，具有一定的推广意义。同时为了提高低端无人机的性价比，本专利将预处理后的无人机图像进行分辨率提升，利用超分辨率提升深度学习模型来提高单株白菜的分割准确率。最终实现以高性价比的实验装置获取更多更准确的单株白菜表型信息；
[0019]取代人工耗时耗力的人为表型判定方法；
[0020]利用无人机成像实现大批量样本的获取；
[0021]基于机器飞行的GSD计算白菜的幅宽等信息可以提高准确率；
[0022]实现单株白菜表型信息的获取。
附图说明
[0023]参照附图来说明本专利技术的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本专利技术的保护范围构成限制。其中：
[0024]图1示意性显示了根据本专利技术一个实施方式提出的本方法的流程示意图。
具体实施方式
[0025]具体实施方式以及附图仅是对本专利技术的技术方案的示例性说明，而不应当视为本专利技术的全部或者视为对本专利技术技术方案的限定或限制。
[0026]基于无人机多光谱成像结合高分辨率的白菜表型研究方法，包括：
[0027]通过无人机带动摄像机对自然生长环境中的白菜进行图像采集，并得到第一图像信息，所述第一图像信息包括为.jpg、.png后缀的图片；
[0028]使用Pix4D软件并根据图像POS点将图像进行拼接，从而得到总体白菜地块的图像信息；
[0029]通过深度学习方法，将总体白菜的图像信息中单个白菜进行识别并定位；
[0030]采用SRGAN模型实现图像的分辨率提升，对各个单个的白菜的表型信息预测。
[0031]首先动过无人机带动摄像机去拍摄多个白菜地的图片信息，然后将各个图片信息合在一起，形成一个整体的白菜地图片信息，然后通过深度学习，将各个白菜进行识别并定位。
[0032]具体的，所所述深度学习方法包括：采用图像处理按照图像的重复率与特定像素进行图像裁剪，从而得到单颗白菜的第二图像信息，所述第二图像信息包括识别图像信息和定位位置信息。
[0033]通过将重复区域进行分析裁剪，从而得到单颗白菜的第二图像信息。
[0034]具体的，所述采用图像处理按照图像的重复率与特定像素进行图像裁剪包括：
[0035]S1：确定白菜地块定植图；
[0036]S2：采用UNet模型、MaskR
‑
CNN模型进行图像分割，确定最优分割模型。
[0037]通过UNet模型、MaskR
‑
CNN模型进行图像分割使得各个白菜分割开，并可以很好的识别各个位置。
[0038]具体的，所述采用SRGAN模型实现图像的分辨率提升，对各个单个的白菜的表型信息预测的方法包括：
[0039]S1：采用SRGAN模型实现图像的分辨率提升，得到单个白菜的最优模型，所述最优模型含有多种单个白菜的模型信息，所述模型信息包括白菜模型的幅宽、幅长、株高、叶绿素；
[0040]S2：建立回归模型，通过白菜模型的幅宽、幅长、株高、叶绿素数据得到实际的单个白菜的幅宽、幅长、株高、叶绿素。
[0041]先得到白菜模型的各个属性信息，然后再根据回归模型得到实际的各个白菜的实际属性。
[0042]具体的，所述回归模型包括根据白菜地块的实际数据与图像的比例，并基于无人机的GSD，从而得到实际单个白菜的幅宽、幅长、株高、叶绿素数据。
[0043]通过实际比例以及GSD两者同时分析计算从而得到实际的单个白菜的属性。
[0044]在实施中，本专利技术主要解决了将分辨率提升网络应用于白菜表型的快速无损分析中。利用无人机成像设备结合深度学习实现单株白菜的识别与定位，并实现单株白菜的表型特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无人机多光谱成像结合高分辨率的白菜表型研究方法，其特征在于，包括：通过无人机带动摄像机对自然生长环境中的白菜进行图像采集，并得到第一图像信息，所述第一图像信息包括为.jpg、.png后缀的图片；使用Pix4D软件并根据图像POS点将图像进行拼接，从而得到总体白菜地块的图像信息；通过深度学习方法，将总体白菜的图像信息中单个白菜进行识别并定位；采用SRGAN模型实现图像的分辨率提升，对各个单个的白菜的表型信息预测。2.根据权利要求1所述的基于无人机多光谱成像结合高分辨率的白菜表型研究方法，其特征在于，所述深度学习方法包括：采用图像处理按照图像的重复率与特定像素进行图像裁剪，从而得到单颗白菜的第二图像信息，所述第二图像信息包括识别图像信息和定位位置信息。3.根据权利要求2所述的基于无人机多光谱成像结合高分辨率的白菜表型研究方法，其特征在于，所述采用图像处理按照图像的重复率与特定像素进行图像裁剪包...

【专利技术属性】
技术研发人员：张君，张东方，王鑫鑫，刘景艳，范晓飞，周玉宏，申书兴，赵建军，袁帅，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：