[发明专利]一种农作物智能识别与长势预测方法及系统

权利要求书

1.一种农作物智能识别与长势预测方法，其特征在于，包括：

获取待预测长势的农作物的原始遥感影像，并对所述原始遥感影像进行预处理，得到预处理后的遥感影像；其中，所述预处理包括辐射定标和大气校正；

计算预处理后的遥感影像中各像素点的植被指数，获取植被指数时序数据；

根据所述植被指数时序数据，通过预设的农作物分类模型对当前农作物的种类进行分类；其中，所述农作物分类模型为卷积长短时记忆网络，所述农作物分类模型的输入为植被指数时序数据，输出为对应的农作物分类结果；

基于当前农作物的分类结果，根据所述植被指数时序数据，通过预设的农作物长势预测模型对当前农作物的长势进行预测；其中，所述农作物长势预测模型为长短时记忆网络，所述农作物长势预测模型的输入为植被指数时序数据，输出为当前输入的植被指数时序数据对应的未来时间段内的植被指数时序数据。

2.如权利要求1所述的农作物智能识别与长势预测方法，其特征在于，对所述原始遥感影像进行预处理，包括：

通过辐射定标建立数字化值与对应视场中辐射亮度值之间的定量关系，以消除遥感影像采集传感器本身产生的误差；

通过大气校正将定标值还原为地表真实信息，高保真地恢复地物波谱信息。

3.如权利要求1所述的农作物智能识别与长势预测方法，其特征在于，所述植被指数为归一化差分植被指数、权重差值植被指数或土壤调节植被指数。

4.如权利要求1所述的农作物智能识别与长势预测方法，其特征在于，所述植被指数为权重差值植被指数。

5.如权利要求1所述的农作物智能识别与长势预测方法，其特征在于，在计算出预处理后的遥感影像中各像素点的植被指数后，所述方法还包括：

对预处理后的遥感影像中选定区域内部各像素点的植被指数进行数值统计，以标准差判断数据离散程度，通过数据离散程度判断相应数据的可信度。

6.一种农作物智能识别与长势预测系统，其特征在于，包括：

遥感影像预处理模块，用于获取待预测长势的农作物的原始遥感影像，并对所述原始遥感影像进行预处理，得到预处理后的遥感影像；其中，所述预处理包括辐射定标和大气校正；

植被指数特征提取模块，用于计算经过所述遥感影像预处理模块预处理后的遥感影像中各像素点的植被指数，获取植被指数时序数据；

农作物智能分类模块，用于根据所述植被指数特征提取模块提取的植被指数时序数据，通过预设的农作物分类模型对当前农作物的种类进行分类；其中，所述农作物分类模型为卷积长短时记忆网络，所述农作物分类模型的输入为植被指数时序数据，输出为对应的农作物分类结果；

农作物长势预测模块，用于基于农作物智能分类模块对当前农作物的分类结果，根据植被指数特征提取模块提取的植被指数时序数据，通过预设的农作物长势预测模型对当前农作物的长势进行预测；其中，所述农作物长势预测模型为长短时记忆网络，所述农作物长势预测模型的输入为植被指数时序数据，输出为当前输入的植被指数时序数据对应的未来时间段内的植被指数时序数据。

7.如权利要求6所述的农作物智能识别与长势预测系统，其特征在于，所述遥感影像预处理模块具体用于：

通过辐射定标建立数字化值与对应视场中辐射亮度值之间的定量关系，以消除遥感影像采集传感器本身产生的误差；

通过大气校正将定标值还原为地表真实信息，高保真地恢复地物波谱信息。

8.如权利要求6所述的农作物智能识别与长势预测系统，其特征在于，所述植被指数特征提取模块所计算的植被指数为归一化差分植被指数、权重差值植被指数或土壤调节植被指数。

9.如权利要求6所述的农作物智能识别与长势预测系统，其特征在于，所述植被指数特征提取模块所计算的植被指数为权重差值植被指数。

10.如权利要求6所述的农作物智能识别与长势预测系统，其特征在于，所述植被指数特征提取模块还用于：

对预处理后的遥感影像中选定区域内部各像素点的植被指数进行数值统计，以标准差判断数据离散程度，通过数据离散程度判断数据的可信度。