[发明专利]一种联合机器视觉与作物模型的农田估产方法

说明书

本发明提供一种联合机器视觉与作物模型的作物估产方法，包括：对作物进行多角度拍摄冠层照片；从上述的多角度照片中提取作物状态观测数据；将从所有照片中提取的同一类作物状态数据进行融合；使用作物生长模型，结合当前日期的数据对作物生长进行预测，得到下一日期的作物状态；使用数据同化方法，将步骤3中融合后的观测数据与步骤4中预测的状态进行加权，以得到当前日期的作物状态的最优估计；将上述最优估计的作物状态作为步骤4的初始条件，再预测下一拍摄日期的作物状态；重复上述步骤，直到将所有观测数据都进行同化更新，从而得到作物全生长季的作物状态和产量的预测值。本发明可以通过观测数据来纠正模型偏差，从而提高产量预测精度。

技术领域

本发明属于作物产量智能预测的技术领域，具体涉及一种联合机器视觉与作物模型的作物估产方法。

背景技术

作物估产对国家粮食安全保障具有重大意义。中国南方作物以小农模式为主，田块分散且面积小，其管理方式也因人而异。这些因素使得不同的田块生长差异明显，从而给作物产量预测带来了巨大的挑战。

目前，我国的农业估产方式主要依赖于人工调查，该方法人力资源消耗大，时间耗费长且精度低。随着遥感技术的发展，无人机与卫星也逐渐被应用于农业估产。这些技术对天气要求高，获取的数据时空分辨率低，因此不适用于多雨且田块面积小的中国南方地区。

智能手机的普及使得高时空分辨率的农田影像获取变得简单。已有的研究表明，可以使用机器视觉方法来从高分辨率影像中提取农田信息，如估算叶面积指数(LAI)，监测生育期变化等等。但目前对提取出的农田信息缺乏有效的利用手段，仅仅作为一个新监测手段，对当下的作物状态进行估计，难以被应用于产量预测。作物生长模型可以利用气象数据，作物生理数据与环境数据来模拟作物生长，从而进行产量预测。而作物模型不可避免得结构误差与输入误差会导致最终的预测产量精度大幅下降。

因此，在人工调查和卫星无人机遥感技术难以应用的背景下，单一地使用机器视觉技术或是作物模型方法，依然不能保证作物估产精度。

发明内容

本发明的目的在于针对现有技术的不足之处，提供一种联合机器视觉与作物模型的作物估产方法，该方法联合使用了机器视觉模型与作物生长模型，可以通过观测数据来纠正模型偏差，从而提高产量预测精度。

为解决上述技术问题，本发明采用如下技术方案：

一种联合机器视觉与作物模型的作物估产方法，包括如下步骤：

步骤1，采用拍摄设备在一个或多个日期对作物进行多角度拍摄冠层照片；

步骤2，使用机器视觉模型从步骤1中的多角度照片中提取作物状态观测数据，并对各个观测数据的不确定性进行量化；

步骤3，将从同一日期的所有照片中提取的同一类作物状态数据融合为一个作物状态，使得同一日期观测的所有照片得到的多组作物状态融合为一组观测向量；

步骤4，使用作物生长模型，结合当前日期的初始条件、作物参数、农田管理数据和气象数据对作物生长进行预测，得到下一拍摄日期的作物状态；

步骤5，使用数据同化方法，将步骤3中融合后的观测数据与步骤4中预测的状态进行加权，以得到当前日期的作物状态的最优估计；

步骤6，将步骤5得到的最优估计的作物状态作为步骤4的初始条件，再进行预测得到下一拍摄日期的作物状态，并执行步骤5进行更新；重复上述步骤，直到将得到的所有观测数据都用于同化更新，从而得到最终作物全生长季的作物状态和产量的预测值。

进一步地，步骤2中，机器视觉模型采用卷积神经网络模型，其任务采用分类任务，其运用包含以下几个子步骤：

步骤2-1、模型训练

模型选择卷积神经网络，损失函数采用交叉熵损失，在标签建立上使用分布式标签，标签的数目为M，标签满足正态分布：