一种基于多植被指数图像的施肥决策方法及系统技术方案

本发明专利技术提供了一种基于多植被指数图像的施肥决策方法及系统，基于无人机搭载的遥感传感器获取农作物的多种植被指数图像，并融合根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，得到多通道图像；预设的元素中的每一个设置一组可训练参数，采用所述多通道图像对所述决策模型和多组可训练参数进行训练；基于目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况。本发明专利技术融合了土壤肥力情况和植被指数提高了决策的准确性，而且在解码器的输入中引入了多个可训练参数，能够灵活地调整这些参数以计算不同的营养元素需求。计算不同的营养元素需求。计算不同的营养元素需求。

【技术实现步骤摘要】
一种基于多植被指数图像的施肥决策方法及系统


[0001]本专利技术涉及农业领域，尤其一种基于多植被指数图像的施肥决策方法及系统。

技术介绍

[0002]农业作为人类历史最悠久且最基本的生产活动，一直以来都扮演着至关重要的角色。尽管在当今社会，工业、科技等领域不断取得进步，但农业仍然占据着不可替代的地位，对人类的生存和繁荣至关重要。食品供应不足将威胁到人们的正常生活，也将制约社会的发展和进步。此外，农业的发展与农村居民的经济状况和生活品质密切相关，还关系到农村生态环境的保护。为了提高农业生产效率、农产品质量和农民收入水平，以实现农业的可持续发展目标，现代科技和管理方法已经被引入到农业生产、管理、科研、组织等方面。
[0003]施肥在农业生产中具有重要作用，可以提高农作物的产量。然而，过度施肥可能导致肥料流失和渗漏，对土壤和水体造成污染，对环境造成潜在危害。因此，科学和合理的施肥策略对于减少农业面源污染至关重要。精准施肥作为农业现代化的一部分，强调根据土地特性和作物需求，以科学和合理的方式施用肥料，以实现最佳的农作物产量和品质。然而，如何实施精准施肥仍然是农业现代化所面临的重要挑战。

技术实现思路

[0004]为了解决上述问题，在第一个方面，本专利技术提供了一种基于多植被指数图像的施肥决策方法，所述方法包括以下步骤：步骤1，数据准备阶段通过土壤养分速测设备测量得到农田的多个位置中每个位置的多种元素含量；使用无人机搭载的遥感传感器获取农作物的多种植被指数图像；步骤2，数据处理阶段根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，将元素分布图和植被指数图像经过预处理后合并为多通道图像；步骤3，模型训练阶段构建决策模型，并为预设的元素中的每一个设置一组可训练参数，采用所述多通道图像对所述决策模型和多组可训练参数进行训练；步骤4，决策阶段根据目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况。
[0005]优选地，所述根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，具体为：采用土壤养分速测设备测量得到农田N个采样点的多种养分情况；对于每种元素分别构建包含N个像素点的单通道图像，其中，所述单通道图像的像素值为采样点采集的样本中所述元素的含量；
对每个单通道图像进行双线性插值得到预设大小的元素分布图，其中，每个元素分布图对应一种元素。
[0006]优选地，所述使用无人机搭载的遥感传感器获取农作物的多种植被指数图像，具体为：在施肥前预设时间内获取农田的多个植被指数图像，对多个植被指数图像每一个归一化后进行卷积操作得到多个预设大小的植被指数图像。
[0007]优选地，所述采用所述多通道图像对所述决策模型和多组可训练参数进行训练，具体为：获取训练集，所述训练集中样本根据施肥种类和施肥量进行标注，将训练集分为多个训练子集，每个训练子集中样本标注的施肥种类相同；在训练时，同一个训练子集采用同一组K2个可训练参数，在使用训练后的预设模型时，选择与要预测的施肥种类对应的K2个可训练参数，得到农田与要预测的施肥种类对应缺肥状况图。
[0008]优选地，所述根据目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况，具体为：将目标农田的所述多通道图像分割为K1个图像块作为预设模型的编码器的输入，得到K1个编码器输出；根据NVDI植被指数图像对K1个编码器输出进行处理，然后将处理后K1个编码器输出和K2个可训练参数作为预设模型的解码器的输入，得到与所述K1个编码器输出对应的K1个解码器输出，以及与所述K2个可训练参数对应的K2个解码器输出；将K1个解码器输出分别与K2个解码器输出中每一个进行点乘，得到K1个输出，将K1个输出中的每一个经过上采样、降维后，将K1个输出合并得到农田的缺肥状况图。
[0009]优选地，所述根据NVDI植被指数图像对K1个编码器输出进行处理，具体为：将NVDI植被指数分割为K1个图像块，其中，NVDI植被指数图像分割的K1个图像块和多通道图像分割为K1个图像块的位置相同；计算NVDI植被指数分割后的K1个图像块的每一个的平均灰度值和第一特征值，对所述平均灰度值和第一特征值分别进行编码，将所述平均灰度值的编码结果、所述第一特征值的编码结果和对应的编码器输出相加作为处理后K1个编码器输出。
[0010]优选地，所述第一特征值的计算方式为：计算NVDI植被指数分割后的K1个图像块的每一个的NVDI植被指数中大于0.5的像素点个数与小于0.5的像素点个数的比值，将所述比值作为第一特征值。
[0011]另一方面，本专利技术还提供了一种基于多植被指数图像的施肥决策系统，所述系统包括以下模块：数据采集模块，用于通过土壤养分速测设备测量得到农田的多个位置中每个位置的多种元素含量；使用无人机搭载的遥感传感器获取农作物的多种植被指数图像；数据处理模块，用于根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，将元素分布图和植被指数图像经过预处理后合并为多通道图像；模型训练模块，用于构建决策模型，并为预设的元素中的每一个设置一组可训练参数，采用所述多通道图像对所述决策模型和多组可训练参数进行训练；决策模块，用于根据目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况。
[0012]优选地，所述根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，具体为：采用土壤养分速测设备测量得到农田N个采样点的多种养分情况；对于每种元素分别构建包含N个像素点的单通道图像，其中，所述单通道图像的像素值为采样点采集的样本中所述元素的含量；对每个单通道图像进行双线性插值得到预设大小的元素分布图，其中，每个元素分布图对应一种元素。
[0013]优选地，所述使用无人机搭载的遥感传感器获取农作物的多种植被指数图像，具体为：在施肥前预设时间内获取农田的多个植被指数图像，对多个植被指数图像每一个归一化后进行卷积操作得到多个预设大小的植被指数图像。
[0014]优选地，所述采用所述多通道图像对所述决策模型和多组可训练参数进行训练，具体为：获取训练集，所述训练集中样本根据施肥种类和施肥量进行标注，将训练集分为多个训练子集，每个训练子集中样本标注的施肥种类相同；在训练时，同一个训练子集采用同一组K2个可训练参数，在使用训练后的预设模型时，选择与要预测的施肥种类对应的K2个可训练参数，得到农田与要预测的施肥种类对应缺肥状况图。
[0015]优选地，所述根据目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况，具体为：将目标农田的所述多通道图像分割为K1个图像块作为预设模型的编码器的输入，得到K1个编码器输出；根据NVDI植被指数图像对K1个编码器输出进行处理，然后将处理后K1个编码器输出和K2个可训练参数作为预设模型的解码器的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多植被指数图像的施肥决策方法，其特征在于，所述方法包括以下步骤：步骤1，数据准备阶段通过土壤养分速测设备测量得到农田的多个位置中每个位置的多种元素含量；使用无人机搭载的遥感传感器获取农作物的多种植被指数图像；步骤2，数据处理阶段根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，将元素分布图和植被指数图像经过预处理后合并为多通道图像；步骤3，模型训练阶段构建决策模型，并为预设的元素中的每一个设置一组可训练参数，采用所述多通道图像对所述决策模型和多组可训练参数进行训练；步骤4，决策阶段基于目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况。2.如权利要求1所述的方法，其特征在于，所述根据多个位置中每个位置的多种元素含量得到农田的每种元素的元素分布图，具体为：采用土壤养分速测设备测量得到农田N个采样点的多种养分情况；对于每种元素分别构建包含N个像素点的单通道图像，其中，所述单通道图像的像素值为采样点采集的样本中所述元素的含量；对每个单通道图像进行双线性插值得到预设大小的元素分布图，其中，每个元素分布图对应一种元素。3.如权利要求1所述的方法，其特征在于，所述使用无人机搭载的遥感传感器获取农作物的多种植被指数图像，具体为：在施肥前预设时间内获取农田的多个植被指数图像，对多个植被指数图像每一个归一化后进行卷积操作得到多个预设大小的植被指数图像。4.如权利要求1所述的方法，其特征在于，所述采用所述多通道图像对所述决策模型和多组可训练参数进行训练，具体为：获取训练集，所述训练集中样本根据施肥种类和施肥量进行标注，将训练集分为多个训练子集，每个训练子集中样本标注的施肥种类相同；在训练时，同一个训练子集采用同一组K2个可训练参数，在使用训练后的预设模型时，选择与要预测的施肥种类对应的K2个可训练参数，得到农田与要预测的施肥种类对应缺肥状况图。5.如权利要求1所述的方法，其特征在于，所述根据目标元素确定对应的可训练参数，根据可训练参数和目标农田的所述多通道图像采用所述决策模型确定目标元素的分布情况，具体为：将目标农田的所述多通道图像分割为K1个图像块作为预设模型的编码器的输入，得到K1个编码器输出；根据NVDI植被指数图像对K1个编码器输出进行处理，然后将处理后K1个编码器输出和K2个可训练参数作为预设模型的解码器的输入，得到与所述K1个编码器输出对应的K1个解码器输出，以及与所述K2个可训练参数对应的K2个解码器输出；将K1个解码器输出分别与K2个解码器输出中每一个进行点乘，得到K1个输出，将K1...

【专利技术属性】
技术研发人员：唐保华，尚旭娜，尤章锋，杨敏，秦云，雷霖国，李海方，乔秋果，朱彬，
申请(专利权)人：三门峡市陕州区农业农村局，
类型：发明
国别省市：