[发明专利]基于RGB图像融合特征的小麦叶层氮含量估测方法

说明书

本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合RGB图像的可见光植被指数、小波纹理特征、优选的深层特征构建融合特征来估测小麦叶层氮含量的方法。

技术领域

本发明属于作物生长监测领域，尤其是基于RGB图像融合特征的小麦叶层氮含量估测方法。

背景技术

小麦作为中国重要的粮食作物，在农业生产和战略性粮食储备中占有重要地位。氮(N)是小麦生长所需的最基本营养素之一，氮含量无损遥感监测对于麦田高效管理具有重要意义。定量监测氮素已成为当前农业遥感领域的一个重要研究方向，是智慧农业发展中作物生长监测、精确农作管理及精准施肥实施的关键。

遥感(remote sensing,RS)技术已成为实时、无损估计作物氮素(Nitrogen,N)状况的重要工具，为作物生产中的氮肥推荐和动态产量预测提供了科学依据(Zhu et al.,2008,2015)。在各类遥感平台中，基于卫星遥感(Vincini et al.,2014)、机载遥感(Zechaet al.,2018)和近地面光谱仪等遥感平台(Guo et al.,2017)取得了良好的监测效果。其中，卫星图像尽管可用于监视大面积区域的作物氮营养状态，但较低的时空分辨率和时间分辨率无法满足高精度的实时监测(Kanning et al.,2018；Zheng et al.,2018；Duan etal.,2017)。机载平台能够提供高分辨率图像，昂贵的基础设施和空中交通管制限制了有人驾驶飞机的广泛应用(Liu et al.,2016)。近地面RS平台操作简单，能够较好地监测小麦冠层氮素营养(黄宇,2015)，但是在监测大面积作物时仍然受到限制。相比之下，无人机作为高空和近地面遥感平台的重要补充，突破空间和时间分辨率限制，具有较好的重复性，能够高效率获取遥感信息(Yuan et al.,2018)。

随着图像处理技术的突破性发展，深层特征得到越来越多的关注(Liu et al.,2019)。尽管小波纹理特征可以弥补小麦冠层的空间特征，但是基于浅层神经网络学习仍然无法表达更多的深层特征。近年来，深度模型因具有局部感受区域和层次结构化的特点，能够实现逐层提取更复杂和抽象的特征而被广泛应用(Nevavuori et al.,2019)。另外，只要有足够数量的隐藏单元，且激活权重和函数具有适当的非线性，从输入到输出的任何连续函数都可以通过深度学习来实现深层特征提取。因此，有必要研究综合利用无人机RGB图像的传统特征和深层特征，实现不同层次特征的互补，提供准确和可靠的小麦叶层氮含量估算方法，并为高空间精度的作物田间管理提供有价值的技术基础。

发明内容

本发明所解决的技术问题在于提供一种基于RGB图像融合特征的小麦叶层氮含量估测方法，通过RGB图像融合特征估测小麦叶层氮含量，适用于小麦全生育期，估测精度高。

实现本发明目的的技术解决方案为：

基于RGB图像融合特征的小麦叶层氮含量估测方法，包括以下步骤：

步骤1：通过无人机搭载的消费级数码相机获取小麦冠层RGB图像数据，同时对小麦植株进行随机破坏性取样，得到小麦植株样本；

步骤2：对小麦冠层RGB图像数据进行预处理，包括镜头畸变及几何校正，得到预处理后的小麦冠层RGB图像数据；

步骤3：提取试验小区小麦冠层RGB图像的R、G和B通道的平均像元亮度值并进行归一化处理，计算可见光植被指数，同时测定小麦植株样本的叶层氮含量数据；