[发明专利]一种作物光谱聚类分析处理方法及其图像采集装置

说明书

本发明公开了一种作物光谱聚类分析处理方法及其图像采集装置，涉及农作物叶片光谱数据采集设备技术领域，包括采集田间的作物光谱采集、光谱数据格式转换、将光谱数据上传到Hadoop计算平台等步骤，本发明通过Hadoop框架进行光谱数据的分布式并行聚类分析，加速聚类算法的建模与预测速度，采用Hadoop框架的HDFS进行光谱数据的分布式存储，避免光谱数据的损坏与丢失，与此同时，通过在田间布设多个系留平台，根据需要在各个系留平台上放置相应的图像采集器进行作物光谱图像的采集，解决了传统方式中图像采集不便、无人机采集图像质量低的缺陷，系留平台的安装方式灵活，可根据需要设置在田间的相应位置，成本低廉，极大地提高了图像采集效率。

技术领域

本发明涉及农作物叶片光谱数据采集设备技术领域，特别是一种作物光谱聚类分析处理方法及其图像采集装置。

背景技术

伴随着农业信息化和农业大数据的快速发展，我国农业正处于从传统农业向精准农业发展的过渡阶段。光谱学技术与大数据技术为精准农业检测提供了一种有效的解决方法并且为农业研究提供了科学依据。

当前农作物叶片光谱信息采集，基本都是通过人工手持光谱扫描仪或使用无人机光谱扫描仪进行采集，农场中地面环境复杂，且地面凹凸不平，也增加研究人员采集工作的难度，降低了采集效率，且无人机所处的位置高度一般很高(在几十米甚至几百米的空中)且稳定性较差，采集的数据质量也相对较差，后期处理难度大。

此外，在目前的作物光谱检测与分析中，通常是将采集到的作物光谱保存在电脑中，然后使用Matlab，SPSS等分析软件进行建模分析处理。随着时间的推移，积累的光谱数据将越来越多，数据量也会越来越大。当光谱数据量过大，使用传统的分析处理方法时会导致分析处理速度过慢甚至内存溢出，导致光谱数据无法进行分析处理。此外，作物光谱研究是一个长期的过程，需要对常年数据进行综合分析研究，而在传统的农业检测中，缺乏长期保存管理这些光谱数据的功能。

发明内容

本发明提供了一种作物光谱聚类分析处理方法及其图像采集装置，以解决上述技术问题。

实现本发明目的的技术解决方案为：

Hadoop计算平台包含：(1)硬件部分：①路由器/交换机②Master节点1台③Node节点5台④KVM切换器⑤备份服务器3台⑥UPS(2)软件部分：①操作系统Centos 6.8②Hadoop2.8③JAVA运行环境(Java RunningEnvironmentJRE)④IntelliJ IDEA 2018(社区版)⑤Scala 2.11.8。

光谱采集：利用无人机将多个图像采集器放置于田间设置的多个系留平台上，借助于系留平台将图像采集器固定，利用图像采集器侧面设置的多个摄像模组采集田间作物的田间反射光谱，并通过图像采集器内部设置的无线收发模块将光谱数据转发至管理中心的分析平台，待采集工作结束后，由无人机再将图像采集器回收至管理中心的设备仓库内保存；

光谱采集波长为325nm-1075nm,光谱分辨率小于3nm,积分时间为8.5ms。

光谱数据转换，摄像模组采集的光谱数据并不能直接作为Hadoop聚类分析的输入数据，需要进行数据格式转换。申请人使用C#编写了数据格式转换程序，借由分析平台用于将摄像模组采集的光谱数据格式转化为Hadoop平台聚类分析可以使用LibSVM格式。

使用HDFS(Hadoop Distributed File System Hadoop分布式存储系统)对于光谱数据进行分布式存储与管理，其中Master节点作为Namenode节点，管理整个HDFS文件系统和目录树，其他5个Datanode节点上存储一个副本。

使用Scala 2.11.8作为编程语言，IntelliJ IDEA 2018作物开发与测试环境，编程实现k-Means聚类算法。