[发明专利]一种农作物科学测产方法及系统

说明书

本发明公开了一种农作物科学测产方法及系统，包括以下步骤：对采集的卫星影像图像进行预处理；通过卷积神经网络模型对预处理后的卫星影像图像进行识别；对识别结果经过处理后，再与GIS地理信息结合计算得到植被种植区域的数据信息；计算各个种植区域的植被指数等级以及各个种植区域内各个植被指数等级所占比例；计算出各个种植区域中各个植被等级的产量。能够高效率高精度的测定油菜种植面积和分布，以及油菜的预测产量等多项关键数据，为理赔提供了科学的数据支持；降低了人力成本，避免了统计结果因受人力因素干扰较大等多种不确定性影响，提高了统计结果的可靠性和准确性。

技术领域

本发明涉及农作物产量测量领域，尤其涉及一种农作物科学测产方法及系统。

背景技术

随着社会的发展越来越多的人认识到保险的重要性，大部分保险都是对自己或者家人进行投保；但是也存在一些特殊的投保保单，比如对自己家农作物的产量进行投保，以保证如果遇到自然灾害导致农作物(如油菜)产量锐减造成自己很大的经济损失。

在保险的理赔阶段，油菜减产的程度是一项关键的理赔依据。准确的掌握受灾的程度是后续理赔重要的数据证明，因此如何准确、快速、高效的对农作物受灾损失程度进行测量，是现阶段需要解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种农作物科学测产方法及系统，解决了现有常规产量统计方法存在的缺陷。

本发明的目的是通过以下技术方案来实现的：一种农作物科学测产方法，包括以下步骤：

对采集的卫星影像图像进行预处理；

通过卷积神经网络模型对预处理后的卫星影像图像进行识别；

对识别结果经过处理后，再与GIS地理信息结合计算得到植被种植区域的数据信息；

计算各个种植区域的植被指数等级以及各个种植区域内各个植被指数等级所占比例；

计算出各个种植区域中各个植被等级的产量。

计算各个植被种植区域的植被指数等级以及各个植被指数等级所占比例的具体内容如下：

通过归一化植被指数计算出各个种植区域的植被指数等级；

根据植被指数等级分布计算各个植被指数等级在各个种植区域所占比例。

计算出各个种植区域中各个植被等级的产量的具体内容如下：

对每个植被指数等级选取一定数量的成熟农作物种植区域作为样本地块；

每个样本地块选取一定数量的取样点，每个取样点收割固定面积的农作物；

对收割的农作物进行处理并计算出单位面积内的产量；

根据样本地块的测量结果，计算出各植被区域的各植被指数等级的农作物理论产量。

在进行所述通过卷积神经网络模型对预处理后的卫星影像图像进行识别之前，还需要完成卷积神经网络模型的建立；建立卷积神经网络模型的步骤如下：

搭建模型框架；

读取图像并对模型进行训练学习；

根据模型训练学习情况实时对模型超参数进行调节；

将完成训练的模型进行固定和保存。

读取图像对模型进行训练学习的具体步骤如下：

读取训练图像和已经完成样本点标注的标签图像；

对训练图像和标签图像进行去像素点处理；

将训练图像转换成多通道的one-hot样本，并定义各个通道的含义；