基于无人机数字地表模型的葡萄行缺株检测方法及系统技术方案

本发明专利技术实施例公开了基于无人机数字地表模型的葡萄行缺株检测方法及系统，涉及无人机遥感技术领域。获取针对葡萄园进行拍摄得到的可见光图像；对可见光图像进行处理，获得原始数字地表模型；将原始数字地表模型中的灰度值进行归一化处理，获得归一化后的数字地表模型；通过第一滑动窗口对归一化后的数字地表模型进行阈值分割，获得分割结果；使用葡萄行冠层区域中各像素点对应的地理位置，确定出葡萄行冠层区域中的葡萄行；在原始数字地表模型中，沿直线的延伸方向移动第二滑动窗口进行缺株检测，获得缺株检测结果。本发明专利技术获取葡萄行区域内的缺株位置的空间分布信息，提高了获取葡萄行区域内的缺株位置的空间分布信息的准确性。确性。确性。

【技术实现步骤摘要】
基于无人机数字地表模型的葡萄行缺株检测方法及系统


[0001]本专利技术涉及无人机遥感
，特别是涉及一种基于无人机数字地表模型的葡萄行缺株检测方法及系统。

技术介绍

[0002]葡萄园的精细化管理作为智慧农业的一部分，减少缺株带来经济损失的管理决策制定建立在对葡萄行冠层长势持续监测的基础上。缺株位置在葡萄园区内的空间分布是制定有效的管理决策的最主要依据。
[0003]目前葡萄行缺株检测主要依靠人工检查，然而这种方法耗费大量人力物力，难以适应大规模植被区域。在实际生产中，工作人员通过传统的葡萄行区域光谱特征和统计判别方法只能实现抽样调查，无法获取覆盖全葡萄行区域缺株位置的空间分布情况。
[0004]传统的卫星遥感数字地表模型(Digital Surface Model，DSM)的空间分辨率低，无法准确获取大规模葡萄行区域内的缺株位置的空间分布信息。

技术实现思路

[0005]本专利技术实施例的目的是提供一种基于无人机数字地表模型的葡萄行缺株检测方法及系统，以获取葡萄行区域内的缺株位置的空间分布信息，提高获取葡萄行区域内的缺株位置的空间分布信息的准确性。
[0006]为实现上述目的，本专利技术实施例提供了如下方案：
[0007]一种基于无人机数字地表模型的葡萄行缺株检测方法，包括：
[0008]获取针对葡萄园进行拍摄得到的可见光图像；所述可见光图像由无人机拍摄；
[0009]对所述可见光图像进行处理，获得原始数字地表模型；所述原始数字地表模型中任一像素点与一地理位置相对应，所述任一像素点的灰度值为该地理位置所对应的高程；
[0010]将所述原始数字地表模型中的灰度值进行归一化处理，获得归一化后的数字地表模型；归一化后的数字地表模型中的像素点与原始数字高程中的像素点一一对应；
[0011]通过第一滑动窗口对所述归一化后的数字地表模型进行阈值分割，获得分割结果；所述分割结果包括所述归一化后的数字地表模型中的葡萄行冠层区域；所述葡萄行冠层区域中包含多个像素点；所述阈值用于判断滑动窗口内的像素点是否属于葡萄行冠层区域；
[0012]使用所述葡萄行冠层区域中各像素点对应的地理位置，确定出所述葡萄行冠层区域中的葡萄行；所述葡萄行使用直线表示；
[0013]在所述原始数字地表模型中，沿所述直线的延伸方向移动第二滑动窗口，使用位于所述第二滑动窗口内各像素点的高程进行缺株检测，获得缺株检测结果；其中，所述第二滑动窗口沿所述直线延伸方向移动的轨迹包括多个窗口位置；所述缺株检测结果至少包括：缺株地理位置；任一所述缺株地理位置为存在缺株的窗口位置所对应的地理位置。
[0014]可选地，所述将所述原始数字地表模型中的灰度值进行归一化处理，获得归一化
后的数字地表模型具体包括：
[0015]使用归一化计算公式对原始数字地表模型中的灰度值进行归一化处理；
[0016]所述归一化计算公式如下：
[0017][0018]其中，DN
DSM
为所述原始数字地表模型中任一像素点对应的灰度值，maxDN
DSM
为所述原始数字地表模型中中的最大灰度值，minDN
DSM
为所述原始数字地表模型中的最小灰度值；DN
normlization
为归一化后所述任一像素点对应的灰度值；
[0019]所述使用归一化计算公式对原始数字地表模型中的灰度值进行归一化处理包括：
[0020]使用所述第二滑动窗口在所述归一化数字地表模型中滑动，对所述第二窗口内各像素点的灰度值使用所述归一化计算公式进行归一化处理。
[0021]可选地，所述第二滑动窗口在所述归一化后的数字地表模型内的移动轨迹包括多个窗口位置；处于任一窗口位置上的第二滑动窗口所圈定的区域为一局部接受域；
[0022]所述域值包括各局部接受域所对应的局部阈值；
[0023]所述通过第二滑动窗口对所述归一化后的数字地表模型进行阈值分割，获得分割结果具体包括：
[0024]为所述局部接受域确定对应的局部阈值；
[0025]根据所述局部阈值对所述局部接受域中各像素点的灰度值进行二值化；
[0026]使用二值化后的灰度值，确定所述局部接受域中任一像素点是否属于葡萄行冠层区域；
[0027]根据属于葡萄行冠层区域的像素点确定出葡萄行冠层区域。
[0028]可选地，所述葡萄行在所述原始数字地表模型中的起点和终点，由所述目标直线与所述葡萄行冠层区域的两交点所确定；
[0029]所述沿所述直线的延伸方向移动第二滑动窗口包括：
[0030]沿所述直线的延伸方向，从所述起点开始移动所述第二滑动窗口，直至所述第二滑动窗口移动至所述终点。
[0031]可选地，所述使用所述葡萄行冠层区域中各像素点对应的地理位置，确定出所述葡萄行冠层区域中的葡萄行具体包括：
[0032]将所述葡萄行冠层区域中各像素点对应的地理位置输入葡萄行预测模型，获得一个预测结果b；所述预测结果b为所述直线所对应的截距；所述葡萄行预测模型是经过对机器学习模型训练得到；在训练过程中，所述机器学习模型使用的样本集中的每一样本包括：面板数据和标签；所述面板数据包括：地理位置；所述标签包括：预测结果b；
[0033]根据所述葡萄行冠层区域中各像素点对应的地理位置和所述预测结果b，确定所述直线的斜率。
[0034]可选地，所述葡萄行冠层区域中任一像素点对应的地理位置包括经度值和纬度值；
[0035]所述根据所述葡萄行冠层区域中各像素点对应的地理位置和所述预测结果b，确定所述直线的斜率具体包括：
[0036]将所述葡萄行冠层区域中各像素点对应的经度值作为变量x的取值，纬度值作为
变量y的取值，所述预测结果b作为已知的系数，代入目标公式∑b＝∑y
‑
k∑x，求解目标公式中待定系数k的取值，求解得到的值为所述直线的斜率；所述待定系数k表示斜率。
[0037]可选地，处于任一窗口位置上的第一滑动窗口所圈定的区域为一局部域；
[0038]所述基于所述葡萄行冠层区域内的高程进行缺株检测，获得缺株检测结果具体包括：
[0039]使所述第二滑动窗口沿着所述目标直线运动，每到达一个窗口位置，计算当前局部域与相邻局部域在灰度值中位数上的变化值；其中，所述当前局部域为所述第二滑动窗口位于当前窗口位置所圈定的区域；所述当前窗口位置为所述第二滑动窗口所到达的窗口位置；
[0040]若所述变化值满足预设条件，确定所述当前窗口位置存在缺株，记录所述当前窗口位置的地理位置。
[0041]本专利技术还提供一种基于无人机数字地表模型的葡萄行缺株检测系统，包括：
[0042]可见光图像获取模块，用于获取针对葡萄园进行拍摄得到的可见光图像；
[0043]原始数字地表模型获取模块，用于对所述可见光图像进行处理获得原始数字地表模型；所述原始数字地表模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，包括：获取针对葡萄园进行拍摄得到的可见光图像；所述可见光图像由无人机拍摄；对所述可见光图像进行处理，获得原始数字地表模型；所述原始数字地表模型中任一像素点与一地理位置相对应，所述任一像素点的灰度值为该地理位置所对应的高程；将所述原始数字地表模型中的灰度值进行归一化处理，获得归一化后的数字地表模型；归一化后的数字地表模型中的像素点与原始数字高程中的像素点一一对应；通过第一滑动窗口对所述归一化后的数字地表模型进行阈值分割，获得分割结果；所述分割结果包括所述归一化后的数字地表模型中的葡萄行冠层区域；所述葡萄行冠层区域中包含多个像素点；所述阈值用于判断滑动窗口内的像素点是否属于葡萄行冠层区域；使用所述葡萄行冠层区域中各像素点对应的地理位置，确定出所述葡萄行冠层区域中的葡萄行；所述葡萄行使用直线表示；在所述原始数字地表模型中，沿所述直线的延伸方向移动第二滑动窗口，使用位于所述第二滑动窗口内各像素点的高程进行缺株检测，获得缺株检测结果；其中，所述第二滑动窗口沿所述直线延伸方向移动的轨迹包括多个窗口位置；所述缺株检测结果至少包括：缺株地理位置；任一所述缺株地理位置为存在缺株的窗口位置所对应的地理位置。2.根据权利要求1所述的基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，所述将所述原始数字地表模型中的灰度值进行归一化处理，获得归一化后的数字地表模型具体包括：使用归一化计算公式对原始数字地表模型中的灰度值进行归一化处理；所述归一化计算公式如下：其中，DN
DSM
为所述原始数字地表模型中任一像素点对应的灰度值，maxDN
DSM
为所述原始数字地表模型中中的最大灰度值，minDN
DSM
为所述原始数字地表模型中的最小灰度值；DN
normlization
为归一化后所述任一像素点对应的灰度值；所述使用归一化计算公式对原始数字地表模型中的灰度值进行归一化处理包括：使用所述第二滑动窗口在所述归一化数字地表模型中滑动，对所述第二窗口内各像素点的灰度值使用所述归一化计算公式进行归一化处理。3.根据权利要求2所述的基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，所述第二滑动窗口在所述归一化后的数字地表模型内的移动轨迹包括多个窗口位置；处于任一窗口位置上的第二滑动窗口所圈定的区域为一局部接受域；所述域值包括各局部接受域所对应的局部阈值；所述通过第二滑动窗口对所述归一化后的数字地表模型进行阈值分割，获得分割结果具体包括：为所述局部接受域确定对应的局部阈值；根据所述局部阈值对所述局部接受域中各像素点的灰度值进行二值化；使用二值化后的灰度值，确定所述局部接受域中任一像素点是否属于葡萄行冠层区
域；根据属于葡萄行冠层区域的像素点确定出葡萄行冠层区域。4.根据权利要求1所述的基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，所述葡萄行在所述原始数字地表模型中的起点和终点，由所述目标直线与所述葡萄行冠层区域的两交点所确定；所述沿所述直线的延伸方向移动第二滑动窗口包括：沿所述直线的延伸方向，从所述起点开始移动所述第二滑动窗口，直至所述第二滑动窗口移动至所述终点。5.根据权利要求1所述的基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，所述使用所述葡萄行冠层区域中各像素点对应的地理位置，确定出所述葡萄行冠层区域中的葡萄行具体包括：将所述葡萄行冠层区域中各像素点对应的地理位置输入葡萄行预测模型，获得一个预测结果b；所述预测结果b为所述直线所对应的截距；所述葡萄行预测模型是经过对机器学习模型训练得到；在训练过程中，所述机器学习模型使用的样本集中的每一样本包括：面板数据和标签；所述面板数据包括：地理位置；所述标签包括：预测结果b；根据所述葡萄行冠层区域中各像素点对应的地理位置和所述预测结果b，确定所述直线的斜率。6.根据权利要求5所述的基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，所述葡萄行冠层区域中任一像素点对应的地理位置包括经度值和纬度值；所述根据所述葡萄行冠层区域中各像素点对应的地理位置和所述预测结果b，确定所述直线的斜率具体包括：将所述葡萄行冠层区域中各像素点对应的经度值作为变量x的取值，纬度值作为变量y的取值，所述预测结果b作为已知的系数，代入目标公式∑b＝∑y
‑
k∑x，求解目标公式中待定系数k的取值，求解得到的值为所述直线的斜率；所述待定系数k表示斜率。7.根据权利要求1所述的基于无人机数字地表模型的葡萄行缺株检测方法，其特征在于，处于任一窗口位置上的第一滑动窗口所圈定的区域为一局部域；所述基于所述葡萄行冠层区域内的高程进行缺株检测，获得缺株检测结果具体包括：使所述第二滑动窗口沿着所述目标直线运动，每到达一个窗口位置，计算当前局部域与相邻局部域在灰度值中位数上的变化值；其中，所述当前局部域为所述第二滑动窗口位于当前窗口位置所圈定的区域；所述当前窗口位置为所述第二滑动窗口所到达的窗口...

【专利技术属性】
技术研发人员：苏宝峰，刘易雪，房玉林，宋育阳，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：