棉花药害识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种棉花药害识别方法、装置、电子设备及存储介质，该棉花药害识别方法包括：确定棉花药害胁迫等级数据和棉花药害病情指数；执行红边蓝移分析处理，确定棉花药害光谱特征；建立棉花药害遥感识别模型；获取待测区域的高光谱卫星影像，通过预处理得到标准影像，并计算标准影像的棉花药害光谱特征；将经过归一化后的棉花冠层光谱反射率数据与标准影像采用卷积神经网络执行模型融合同化处理，得到高光谱融合影像；通过棉花药害遥感识别模型识别高光谱融合影像，获得待测区域的药害分布区域和药害等级。本发明专利技术精确识别棉田棉花的药害发生情况，提高了指导植保用药精准、减量的准确度，节约用药成本。节约用药成本。节约用药成本。

【技术实现步骤摘要】
棉花药害识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机和农业遥感
，尤其涉及一种棉花药害识别方法、装置、电子设备及存储介质。

技术介绍

[0002]棉花是一种重要的经济作物，随着农业机械化进程的快速发展，陆地棉因具有易于机械化采收的特点，种植面积逐年扩大逐步替代海岛棉，但陆地棉在生长过程中更易发生病虫害，常年造成危害的害虫有10余种，虫害导致棉花减产约10
‑
15％，且受全球气候环境变化及连片种植导致棉田生态自然调控减弱等影响，棉花虫害有日益加剧的趋势。
[0003]棉花进入苗期生长阶段，苗蓟马、棉蚜、叶螨等虫害持续发生，当前棉花病虫害的预测预报主要依靠各地农业植保部门技术人员田间人工调查经验判断为主，耗时费工，同时因调查样地的数量和面积有限，难以准确地反映田间实际发生和危害动态，难以满足大面积棉田虫害防治的需求；棉花种植户为节省人力及防治需要，过度施用大量的吡虫啉、乙螨唑、氟啶虫酰胺等抗虫除虫化学药物，除造成农药污染外，还对棉花的生长造成抑制影响，叶片呈现红色斑点甚至全叶红褐色，而叶螨虫害危害下的棉株也呈现红褐色、黄褐色等症状，在外观上及影像上难以区分。
[0004]因叶螨肉眼难以识别且具有强的传染性，为避免因农业植保人员进入棉田导致的人为二次传播，需要一种不踏入棉田的检测方法来判别棉株发生药害或叶螨虫害，以便于及时掌握田间棉花虫害的发生动态并精准采取相应控制措施，且不会因过度喷洒农药造成棉花生长受到抑制，为农业减药稳产起到科学助力具有重要意义。
>[0005]目前对棉花花铃期病虫害的研究，多见于实验室或无人机设备对小范围的黄萎病、叶螨等病虫害开展监测研究，未见有对棉花药害的公开技术材料。

技术实现思路

[0006]本专利技术实施例的主要目的在于提出一种棉花药害识别方法、装置、电子设备及存储介质，能够精确确定棉田棉花的药害发生情况。
[0007]本专利技术的一方面提供了棉花药害识别方法，包括：
[0008]响应于识别请求，获取第一待测区域的花铃期棉花的冠层光谱反射率数据，根据所述冠层光谱反射率数据确定棉花药害胁迫等级数据和棉花药害病情指数；
[0009]基于所述棉花冠层光谱反射率数据执行红边蓝移分析处理，确定棉花药害光谱特征，所述棉花药害光谱特征包括植被指数、光谱导数、微分数据及药害红边指数；
[0010]根据所述棉花药害胁迫等级数据确定药害等级，根据所述药害等级、所述棉花药害病情指数及所述棉花药害光谱特征的关系，建立棉花药害遥感识别模型；
[0011]获取第二待测区域的高光谱卫星影像，通过预处理得到标准影像，并计算所述标准影像的所述棉花药害光谱特征；
[0012]将经过归一化后的所述棉花冠层光谱反射率数据与所述标准影像采用卷积神经
网络执行模型融合同化处理，得到高光谱融合影像；
[0013]通过所述棉花药害遥感识别模型识别所述高光谱融合影像，获得所述第二待测区域的药害分布区域和所述药害等级。
[0014]根据所述的棉花药害识别方法，其中响应于识别请求，获取第一待测区域的花铃期棉花的冠层光谱反射率数据，根据所述冠层光谱反射率数据确定棉花药害胁迫等级数据和棉花药害病情指数，包括：
[0015]通过光谱采集设备，在满足预设采集条件时对棉花冠层光谱反射率数据进行采集，棉花冠层光谱反射率数据包括健康棉株、受叶螨胁迫棉株、受药害棉株及其他地物的光谱反射率数据；
[0016]根据技术规程指标，确定棉花的每片叶按病斑面积占整片叶的百分率分级，记录所采集的总叶片数和各级病叶数；
[0017]根据公式
[0018][0019]计算棉花药害病情指数，其中i表示药害等级，i取值为0、1、3、5、7、9，其中，Leaf
i
表示各级病叶数，Leaf
total
表示总叶片数，Grade
i_max
为最高药害等级代表值。
[0020]根据所述的棉花药害识别方法，其中基于所述棉花冠层光谱反射率数据执行红边蓝移分析处理，确定棉花药害光谱特征，包括：
[0021]对棉花冠层光谱反射率数据进行数据清洗后，执行红边蓝移分析处理，计算所述植被指数B
(680,690)
、所述光谱导数R
1st
(λ
i
)和R
2nd
(λ
i
)、所述微分数据ρ
′
(λ
i
)和ρ
″
(λ
i
)、所述药害红边指数B
(640,690)
；
[0022]其中所述棉花药害光谱特征的所述植被指数B
(680，690)
采用公式模型B
(680,690)
＝ρ
690
‑
ρ
680
进行计算，B
(680，690)
为植被指数，ρ
690
和ρ
680
为690nm和680nm波段的反射率值；所述光谱导数
[0023][0024]其中R
1st
(λ
i
)为在光谱段λ
i
上的一阶导数值，R(λ
i
)为i波段处的反射率数值，R(λ
i+1
)为(i+1)波段处的反射率数值；
[0025]所述光谱导数
[0026][0027]其中R
2nd
(λ
i
)为在光谱段λ
i
上的二阶导数值，R(λ
i
)为i波段处的反射率数值，R(λ
i+1
)为(i+1)波段处的反射率数值；
[0028]所述微分数据
[0029]其中ρ
′
(λ
i
)为在光谱段λ
i
上的一阶微分值；ρ(λ
i+1
)为(i+1)波段处的反射率数值；ρ(λ
i
‑1)为(i
‑
1)波段处的反射率数值；
[0030]所述微分数据ρ
″
(λ
i
)＝[ρ
′
(λ
i+1
)
‑
ρ
′
(λ
i
‑1)]/2(λ
i+1
‑
λ
i
‑1)，其中ρ
″
(λ
i
)为在光谱段
λ
i
上的二阶微分值，ρ
′
(λ
i+1
)为(i+1)波段处的一阶微分值，ρ
′
(λ
i
‑1)为(i
‑
1)波段处的一阶微分值，λ
i
为i波段的波长值，λ
(i+1)
为(i+1)波段的波长值；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种棉花药害识别方法，其特征在于，包括：响应于识别请求，获取第一待测区域的花铃期棉花的冠层光谱反射率数据，根据所述冠层光谱反射率数据确定棉花药害胁迫等级数据和棉花药害病情指数；基于所述棉花冠层光谱反射率数据执行红边蓝移分析处理，确定棉花药害光谱特征，所述棉花药害光谱特征包括植被指数、光谱导数、微分数据及药害红边指数；根据所述棉花药害胁迫等级数据确定药害等级，根据所述药害等级、所述棉花药害病情指数及所述棉花药害光谱特征的关系，建立棉花药害遥感识别模型；获取第二待测区域的高光谱卫星影像，通过预处理得到标准影像，并计算所述标准影像的所述棉花药害光谱特征；将经过归一化后的所述棉花冠层光谱反射率数据与所述标准影像采用卷积神经网络执行模型融合同化处理，得到高光谱融合影像；通过所述棉花药害遥感识别模型识别所述高光谱融合影像，获得所述第二待测区域的药害分布区域和所述药害等级。2.根据权利要求1所述的棉花药害识别方法，其特征在于，所述响应于识别请求，获取第一待测区域的花铃期棉花的冠层光谱反射率数据，根据所述冠层光谱反射率数据确定棉花药害胁迫等级数据和棉花药害病情指数，包括：通过光谱采集设备，在满足预设采集条件时对棉花冠层光谱反射率数据进行采集，棉花冠层光谱反射率数据包括健康棉株、受叶螨胁迫棉株、受药害棉株及其他地物的光谱反射率数据；根据技术规程指标，确定棉花的每片叶按病斑面积占整片叶的百分率分级，记录所采集的总叶片数和各级病叶数；根据公式计算棉花药害病情指数，其中i表示药害等级，i取值为0、1、3、5、7、9，其中，Leaf
i
表示各级病叶数，Leaf
total
表示总叶片数，Grade
i_max
为最高药害等级代表值。3.根据权利要求1所述的棉花药害识别方法，其特征在于，所述基于所述棉花冠层光谱反射率数据执行红边蓝移分析处理，确定棉花药害光谱特征，包括：对棉花冠层光谱反射率数据进行数据清洗后，执行红边蓝移分析处理，计算所述植被指数B
(680，690)
、所述光谱导数R
1st
(λ
i
)和R
2nd
(λ
i
)、所述微分数据ρ
′
(λ
i
)和ρ
″
(λ
i
)、所述药害红边指数B
(640，690)
；其中所述棉花药害光谱特征的所述植被指数B
(680,690)
采用公式模型B
(680，690)
＝ρ
690
‑
ρ
680
进行计算，B
(680,690)
为植被指数，ρ
690
和ρ
680
为690nm和680nm波段的反射率值；所述光谱导数其中R
1st
(λ
i
)为在光谱段λ
i
上的一阶导数值，R(λ
i
)为i波段处的反射率数值，R(λ
i+1
)为(i+1)波段处的反射率数值；
所述光谱导数其中R
2nd
(λ
i
)为在光谱段λ
i
上的二阶导数值，R(λ
i
)为i波段处的反射率数值，R(λ
i+1
)为(i+1)波段处的反射率数值；所述微分数据其中ρ
′
(λ
i
)为在光谱段λ
i
上的一阶微分值；ρ(λ
i+1
)为(i+1)波段处的反射率数值；ρ(λ
i
‑1)为(i
‑
1)波段处的反射率数值；所述微分数据ρ
″
(λ
i
)＝[ρ
′
(λ
i+1
)
‑
ρ
′
(λ
i
‑1)]/2(λ
i+1
‑
λ
i
‑1)，其中ρ
″
(λ
i
)为在光谱段λ
i
上的二阶微分值，ρ
′
(λ
i+1
)为(i+1)波段处的一阶微分值，ρ
′
(λ
i
‑1)为(i
‑
1)波段处的一阶微分值，λ
i
为i波段的波长值，λ
(i+1)
为(i+1)波段的波长值；所述药害红边指数R
(640，760)
采用公式模型R
(640，760)
＝ρ
640
/ρ
760
进行计算，其中，R
(640，760)
为药害红边指数，ρ
760
和ρ
640
为760nm和640nm波段的反射率值。4.根据权利要求1所述的棉花药害识别方法，其特征在于，所述建立棉花药害遥感识别模型，包括：基于棉花药害特征谱段，确定所述植被指数、所述光谱导数、所述微分数据及所述药害红边指数的相关性，采用偏最小二乘回归分析模型拟合构建识别模型，计算公式为：X＝TP
T
+E，Y＝UQ
T
+F，其...

【专利技术属性】
技术研发人员：颜军，周学林，蒋晓华，徐晓龙，纪婵，刘欢，
申请(专利权)人：珠海欧比特宇航科技股份有限公司，
类型：发明
国别省市：