[发明专利]一种农作物智能识别与长势预测方法及系统

说明书

本发明公开了一种农作物智能识别与长势预测方法及系统，该方法包括：获取农作物的原始遥感影像并对获取的原始遥感影像进行预处理，得到预处理后的遥感影像；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；基于当前农作物的分类结果，根据植被指数时序数据，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。本发明可实现对遥感影像中园地内部的细致分类，更细致地将农作物做出区分，并预测其长势。

技术领域

本发明涉及遥感影像智能解译与智慧农业交叉技术领域，特别涉及一种农作物智能识别与长势预测方法及系统。

背景技术

农作物分类信息的获取在农业资源调查、土地利用现状分析、农作物估产和灾害评估等诸多领域中都具有十分重要的意义。随着高分遥感影像卫星的发射，其突破了高分辨率、多光谱与宽覆盖相结合的光学遥感等技术。利用遥感卫星数据对农作物种植进行监测已经成为农业生产过程中十分重要的环节。目前已发展了许多不同的方法来提高基于遥感识别农作物的精度，为相关部门了解农作物种植情况提供了大量的参考与辅助信息。

遥感影像智能解译是遥感影像研究的一大重要分支，其是将影像或其上的像元按照某种性质分为不同类别的过程。遥感影像智能解译研究不仅具有科学的理论意义，还具有现实的实践意义。在遥感科学技术中，遥感影像智能解译是最基本的研究问题之一，是其他遥感技术研究与应用的基础，会对它们产生直接或间接的影响。在实际应用中，通过分类识别出的影像，可以满足足不出户的观察目标物体的状态、预测其发展变化趋势的需求。

在农业资源调查中，利用卫星遥感技术及时、准确地获取农作物种植面积信息，是农业部门指导农业生产，调整农业结构，为区域农作物的产量进行估计和预测的可靠依据。因此，对遥感影像智能解译研究非常重要。但现有技术目前还无法在时间维度上对农作进行细分类以及对农作物未来长势进行预测。

发明内容

本发明提供了一种农作物智能识别与长势预测方法及系统，以解决现有技术无法在时间维度上对农作进行细分类及对农作物未来长势进行预测的问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种农作物智能识别与长势预测方法，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。

进一步地，在上述方法中，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。

可选地，在上述方法中，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。

优选地，在上述方法中，所述植被指数为权重差值植被指数。