[发明专利]基于无人机高光谱的荔枝病害检测方法及系统

权利要求书

1.一种基于无人机高光谱的荔枝病害检测方法，其特征在于，包括以下步骤：

步骤1：通过无人机搭载机载高光谱相机获取并处理得到局部高光谱数据和可见光数据；

步骤2：将可见光数据结合局部高光谱数据，拼接成一幅高光谱立体全景图；

步骤3：在所述高光谱立体全景图中根据设定范围选取区域，将选取区域中的高光谱数据输入预先构建的病害数据模型中，获取选取区域检测结果。

2.根据权利要求1所述的一种基于无人机高光谱的荔枝病害检测方法，其特征在于，所述步骤1中对机载高光谱相机采集数据的处理过程包括：

步骤11：对所述机载高光谱相机进行黑板校正和标准白板辐射校正；

步骤12：利用无人机搭载机载高光谱相机采集高光谱数据和可见光数据；

步骤13：对采集到的高光谱数据和可见光数据进行删选，获得处理后的局部高光谱数据和可见光数据。

3.根据权利要求1所述的一种基于无人机高光谱的荔枝病害检测方法，其特征在于，步骤2中的高光谱立体全景图的拼接过程包括：

步骤21：通过采集的局部高光谱数据和可见光数据自带的坐标数据，随机指定所述可见光数据中的一幅图像为中心基准影像数据，并根据中心基准影像确定其临近影像数据，构建拼接数据集；

步骤22：将拼接数据集中图像调整为224×224的影像数据，并随机挑选两张临近的影像数据I₁和I₂；

步骤23：将影像数据I₁和I₂输入到深度影像拼接模型中，得到两张影像数据的单应性矩阵H_4p；

步骤24：将得到的所述单应性矩阵H_4p变换为一般形式H，并将影像数据I₂通过一般形式的单应性矩阵H变换为I′₂；

步骤25：将变换后的I′₂拷贝到影像数据I₁上进行拼接，将重叠区域的像素值按设定的权值相加合成新图像，并对应将影像数据I₁和I₂对应的所述局部高光谱数据进行拼接合成新光谱图；

步骤26：拼接数据集中所有图像是否拼接完成，如果拼接完成则进入步骤27；否则，将步骤25中合成新图像作为影像数据I₁，并选取拼接数据集剩余图像中与合成新图像临近的图像作为影像数据I₂，返回所述步骤23；

步骤27：是否存在未拼接的可见光数据，如果存在，则剩余可见光数据和对应的局部高光谱数据重复进入所述步骤21；如果不存在，则将所有新图像和对应的新光谱图构成拼接数据集并重复进入所述步骤22，遍历结束获得高光谱立体全景图。

4.根据权利要求3所述的一种基于无人机高光谱的荔枝病害检测方法，其特征在于，步骤23中的所述深度影像拼接模型基于2D CNN构建，由BConv模块、Block模块、Pool模块和Liner模块组成，输入区域大小为224×224，输入通道数为6；

所述BConv模块包括不带偏置的卷积层、批归一化层和Relu激活函数；

所述Block模块由三种不同的BConv模块组成，数据处理过程包括：

步骤2311：经过卷积核大小为1、步长为1、填充为0的DW分组卷积；

步骤2312：再经过卷积核大小为3、步长为1、填充为1的DW分组卷积；

步骤2313：再经过卷积核大小为1、步长为1、填充为0的PW普通卷积；

步骤2314：再经过残差连接得到输出；

所述Pool模块由两个BConv模块组成，其数据处理过程包括：

先经过卷积核大小为3、步长为2、填充为1的DW分组卷积；再经过卷积核大小为1、步长为1、填充为0的PW普通卷积。