【技术实现步骤摘要】
本申请涉及植物长势监测，尤其涉及一种植物长势监测模型构建方法、装置及设备。
技术介绍
1、植物长势监测模型的构建，有助于生产中及时准确获取植物长势信息，从而有效地指导生产管理，以实现作物生产的高产、高效和优质。
2、具有快速、无损、准确、灵活、成本低等优点的无人机多光谱遥感技术在植物监测领域发展迅速。具体的，在晴天的上午十点至下午两点，通过无人机搭载多光谱传感器来采集多光谱影像数据，并基于采集的多光谱影像数据提取相应的植被指数，基于提取的植被指数和地面实测数据构建植物长势监测模型来实现植物的长势监测。
3、然而，在大田环境下，天气不可控，上述长势监测模型的数据获取条件，在一定程度上限制了长势监测模型的应用。即，上述长势监测模型的构建极度依赖于天气，在多云及阴天条件下构建的长势监测模型的准确性无法保证。
技术实现思路
1、本申请提供一种植物长势监测模型构建方法、装置及设备，以实现在减小对天气的依赖的前提下实现长势监测模型的构建。
2、第一方面，本申请提供一种植物长势监测模型构建方法，包括：
3、步骤1，获取目标植物在每个生育时期内的多期植物无人机冠层多光谱影像，每期植物无人机冠层多光谱影像有对应的辐照度；
4、步骤2，基于每个生育时期内的多期植物无人机冠层多光谱影像对应的辐照度，确定每个生育时期的辐照度范围；
5、步骤3，基于各个生育时期的辐照度范围，确定目标辐照度范围，所述目标辐照度范围为各个生育时期的辐照度范
6、步骤4，在每个生育时期内的多期植物无人机冠层多光谱影像中确定对应的辐照度处于所述目标辐照度范围内的植物无人机冠层多光谱影像；
7、步骤5，基于每个生育时期内处于所述目标辐照度范围内的植物无人机冠层多光谱影像，以及每个生育时期内的植物实测长势指标，通过线性回归算法，构建所述目标植物的长势监测模型。
8、在一种可能的实施方式中，所述步骤1包括：
9、在所述目标植物的每个生育时期，通过无人机搭载多光谱传感器采集多期植物无人机冠层多光谱影像，其中，每期植物无人机冠层多光谱影像包括对应的多组植物无人机冠层多光谱影像，每组植物无人机冠层多光谱影像有获取时的辐照度，每组植物无人机冠层多光谱影像代表的是各单波段的原始图像的组合。
10、在一种可能的实施方式中，
11、每组植物无人机冠层多光谱影像的辐照度由搭载在所述无人机上的下行光传感器获取并自动存储在各波段的原始图像中；
12、每期植物无人机冠层多光谱影像对应的辐照度，由对应的多组植物无人机冠层多光谱影像的辐照度取平均值得到，其中每组植物无人机冠层多光谱影像的辐照度由近红外波段的原始图像的辐照度代表。
13、在一种可能的实施方式中，所述步骤2包括：
14、确定每个生育时期内的多期植物无人机冠层多光谱影像中，每一期植物无人机冠层多光谱影像对应的辐照度；
15、在每个生育时期内的多期植物无人机冠层多光谱影像分别对应的辐照度中，确定最大辐照度和最小辐照度；
16、基于每个生育时期内的多期植物无人机冠层多光谱影像分别对应的辐照度中的最大辐照度和最小辐照度，确定每个生育时期的辐照度范围。
17、在一种可能的实施方式中，所述步骤5包括：
18、对每个生育时期内处于所述目标辐照度范围内的植物无人机冠层多光谱影像进行图像预处理，得到每个生育时期对应的辐亮度图像；
19、基于每个生育时期对应的辐亮度图像，以及每个生育时期内处于所述目标辐照度范围内的植物无人机冠层多光谱影像的辐照度，得到每个生育时期对应的反射率图像；
20、基于每个生育时期对应的反射率图像中的反射率值，确定每个生育时期对应的植被指数；
21、基于每个生育时期对应的植被指数、实测叶面积指数和实测冠层叶绿素含量，通过线性回归算法，构建所述目标植物的长势监测模型；
22、其中，反射率图像中像素点的反射率值通过如下公式获取：
23、ρ(λ)＝l(λ)*π/edls(λ)，
24、其中，λ表示波段，ρ(λ)表示各波段反射率图像中像素点的反射率值，l(λ)表示各波段对应的辐亮度图像中像素点的辐亮度(单位为w/(sr*m2))，edls(λ)表示每个生育时期内处于目标辐照度范围内的植物无人机冠层多光谱影像的各波段辐照度(单位为w/m2)。
25、在一种可能的实施方式中，反射率值包括可见光波段到近红外波段之间的反射率；
26、植被指数包括优化土壤调节植被指数、三角植被指数、增强植被指数、红边叶绿素指数、归一化差异红色边缘指数中的至少一项；
27、植被指数的计算公式如下：
28、osavi＝(rnir-rred)/(rnir+rred+0.1)，
29、tvi＝60(rnir-rgreen)-100(rred-rredge)，
30、evi＝2.5*(rnir-rred)/(rnir+6*rred-7.5*rblue+1)，
31、ci＝(rnir/rredge)-1，
32、ndre＝(rnir-rredge)/(rnir+rredge)，
33、其中，osavi表示优化土壤调节植被指数，tvi表示三角植被指数，evi表示增强植被指数，ci表示红边叶绿素指数，ndre表示归一化差异红色边缘指数；rnir表示近红外波段反射率，rred表示红波段反射率，rgreen表示绿波段反射率，rredge表示红边波段反射率，rblue表示蓝波段反射率。
34、在一种可能的实施方式中，每个生育时期内的植物实测长势指标包括实测叶面积指数和实测冠层叶绿素含量。
35、第二方面，本申请提供一种植物长势监测模型构建装置，包括：
36、获取模块，用于获取目标植物在每个生育时期内的多期植物无人机冠层多光谱影像，每期植物无人机冠层多光谱影像有对应的辐照度；
37、第一确定模块，用于基于每个生育时期内的多期植物无人机冠层多光谱影像对应的辐照度，确定每个生育时期的辐照度范围；
38、第二确定模块，用于基于各个生育时期的辐照度范围，确定目标辐照度范围，所述目标辐照度范围为各个生育时期的辐照度范围存在交叉的范围，或者，所述目标辐照度范围为与每个生育时期的辐照度范围之间的距离均小于预设距离的范围；
39、第三确定模块，用于在每个生育时期内的多期植物无人机冠层多光谱影像中确定对应的辐照度处于所述目标辐照度范围内的植物无人机冠层多光谱影像；
40、处理模块，用于基于每个生育时期内处于所述目标辐照度范围内的植物无人机冠层多光谱影像，以及每个生育时期内的植物实测长势指标，通过线性回归算法，构建所本文档来自技高网...
【技术保护点】
1.一种植物长势监测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，所述步骤2包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述步骤5包括：
6.根据权利要求5所述的方法，其特征在于，反射率值包括可见光波段到近红外波段之间的反射率；
7.根据权利要求1-4任一项所述的方法，其特征在于，每个生育时期内的植物实测长势指标包括实测叶面积指数和实测冠层叶绿素含量。
8.一种植物长势监测模型构建装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的植物长势监测模型构建方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的植物长势
...【技术特征摘要】
1.一种植物长势监测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，所述步骤2包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述步骤5包括：
6.根据权利要求5所述的方法，其特征在于，反射率值包括可见光波段到近红外波段之间的反射率；
7.根据权利要求1-4任一项所述的方法，其特征在于，每...
【专利技术属性】
技术研发人员：薛贝贝，明博，王克如，李少昆，李楠，孙奥，雷波，任鸿昌，
申请(专利权)人：北京麦麦趣耕科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。