基于多光谱融合的园林植物健康状态评估方法及系统与流程

本发明涉及园林植物健康监测，具体为基于多光谱融合的园林植物健康状态评估方法及系统。

背景技术：

1、园林植物的偏冠现象是指植物树冠在生长过程中出现的不对称分布状态，通常表现为一侧枝叶茂盛而另一侧稀疏，导致植物重心发生偏移。偏冠不仅影响园林景观的美观性，更重要的是会显著增加植物在大风、暴雨等恶劣天气条件下的倾倒风险，对城市公共安全构成潜在威胁。特别是在城市道路、公园、广场等人流密集区域，偏冠植物的倾倒可能造成人员伤亡和财产损失。因此，对园林植物的偏冠状态进行及时、准确的评估和预警，已成为现代城市园林养护管理中的重要课题。

2、在园林植物偏冠评估领域，现有技术方法主要分为定性评估和定量评估两大类。常规技术层面，主要采用人工目视评估方法，养护人员通过观察植物的整体形态、枝叶分布情况，结合经验对偏冠程度进行主观判断。在定量评估方面，一些技术采用简单的形态测量方法，例如使用测角仪测量树冠的偏斜角度，或通过卷尺测量树冠在不同方向的投影长度差异来计算偏冠指数。随着技术发展，一些高级评估方法开始应用于该领域，例如基于数字摄影的图像分析技术，通过对植物多角度照片进行处理，提取树冠轮廓并计算其对称性指标；在结构监测方面，倾角传感器、加速度计等物理传感器被用于实时监测植物的倾斜状态；此外，基于无人机航拍的三维重建技术也被探索用于植物形态的数字化建模和偏冠分析。

3、然而，现有技术存在一个根本性的技术缺陷：偏冠评估仅基于植物的外部形态特征，未能将植物的生理健康状态与结构形态信息进行有效关联。具体而言，无论是人工目视评估还是基于图像、传感器的定量方法，都只能反映植物当前的形态不对称状态，而无法揭示导致偏冠的内在生理原因——即植物不同方位的生长活力差异。由于缺乏对植物各部位生理健康状况的量化，现有技术难以准确判断偏冠的发展趋势和风险等级，也无法为针对性的养护措施提供科学依据。因此，如何将植物的生理健康信息与三维结构特征进行深度融合，实现偏冠风险的精准化、前瞻性评估，成为本领域亟待解决的关键技术问题。

技术实现思路

1、针对现有技术存在的不足，本发明提供基于多光谱融合的园林植物健康状态评估方法及系统。

2、为了实现上述目的，本发明的技术方案如下：基于多光谱融合的园林植物健康状态评估方法，包括：

3、获取待测树木在预设方位上的多光谱图像及三维点云数据；

4、从所述多光谱图像中获取所述预设方位在预设波段的图像数值，通过所述预设波段之间的比值运算，得到所述预设方位的健康指数；

5、对所述三维点云数据进行体素化处理，得到所述预设方位的体素占据指数；并从所述三维点云数据中提取所述待测树木的几何中心坐标以及所述预设方位的空间位置坐标；

6、对所述健康指数执行非线性变换，所述健康指数低于第一阈值时变换结果趋近下限值，高于第二阈值时趋近上限值，介于两者之间时变换结果随健康指数加速增大且连续变化；将所述体素占据指数与所述健康指数的变换结果融合，得到所述预设方位的质量因子；

7、以所述质量因子为权重，对所述预设方位的空间位置坐标进行加权平均，得到等效重心坐标，并计算所述等效重心坐标相对于所述几何中心坐标之间的偏移距离；

8、根据所述偏移距离与预设的偏移阈值进行比较，输出所述待测树木的偏冠风险等级。

9、基于多光谱融合的园林植物健康状态评估系统，包括：

10、数据获取模块，用于获取待测树木在预设方位上的多光谱图像及三维点云数据；

11、健康指数计算模块，用于从所述多光谱图像中获取所述预设方位在预设波段的图像数值，通过所述预设波段之间的比值运算，得到所述预设方位的健康指数；

12、点云处理模块，用于对所述三维点云数据进行体素化处理，得到所述预设方位的体素占据指数，并从所述三维点云数据中提取所述待测树木的几何中心坐标以及所述预设方位的空间位置坐标；

13、非线性变换与融合模块，用于对所述健康指数执行非线性变换，所述健康指数低于第一阈值时变换结果趋近下限值，高于第二阈值时变换结果趋近上限值，介于两者之间时变换结果随健康指数加速增大且连续变化；并将所述体素占据指数与所述健康指数的变换结果融合，得到所述预设方位的质量因子；

14、重心偏移计算模块，用于以所述质量因子为权重，对所述预设方位的空间位置坐标进行加权平均，得到等效重心坐标，并计算所述等效重心坐标相对于所述几何中心坐标之间的偏移距离；

15、风险评估模块，用于根据所述偏移距离与预设的偏移阈值进行比较，输出所述待测树木的偏冠风险等级。

16、与现有技术相比，本发明的有益效果为：

17、1、本发明通过从多光谱图像中提取每个预设方位的健康指数，定量反映各方位枝条的生理健康状况；同时利用三维点云数据获得体素占据指数，表征各方位枝条的相对体积密度。将两者融合为质量因子，再计算健康加权等效重心偏移距离，从而将植物的生理健康信息与三维结构特征进行深度融合。该方案能够准确识别体积大但已枯弱或体积小但生机旺盛等形态无法反映的风险，从根本上克服了现有技术只看形态、不看健康的缺陷，实现了偏冠风险的精准化、前瞻性评估。

18、2、本发明通过非线性变换对健康指数进行映射，使得低健康指数区域的贡献被有效压制，高健康指数区域的贡献被充分激活，中间区域灵敏度提高。将变换后的健康指数与体素占据指数相乘，得到质量因子，再以此进行加权重心计算。当某一方位枝条体积较大但健康指数很低时，其质量因子趋近于0，等效重心不会向该方位偏移，避免了表面粗大枝条导致的误判；反之，体积虽小但健康指数高的方位，其质量因子仍可能贡献一定权重。这使得偏冠风险评估更加符合倒伏风险的物理本质。

19、3、本发明支持根据待测树木的历史健康指数分布自适应调整非线性变换的上下限值、中心值和陡峭系数，能够适应不同树种、不同生长阶段及不同健康波动范围的植物。同时，预设方位可按等角度间隔灵活划分，适应不同冠层复杂度和计算资源要求。这种自适应机制提高了方法在不同应用场景下的通用性和鲁棒性。

20、4、本发明通过将偏移距离与预设的偏移阈值进行比较，将偏冠风险划分为多个等级，实现了从定性判断向定量评估的技术进步。这种量化分级评估方法不仅提高了风险评估的客观性和准确性，还能够根据不同风险等级提供差异化的管理建议，实现了风险分级管控，有助于合理配置养护资源，提高管理效率。同时，通过设置多级阈值和动态调整机制，该方法能够适应不同树种、不同生长环境和不同季节的风险评估需求，具有较强的实用性和灵活性。

21、5、本发明采用的多光谱图像和三维点云数据获取技术已经相对成熟，数据处理算法简洁高效，易于实现自动化和批量化处理，具有良好的技术推广性和应用前景。该方法不仅适用于单株树木的偏冠评估，还能够扩展应用于大规模园林植物的健康监测和风险评估，为智慧园林建设和城市精细化管理提供技术支撑。

1.基于多光谱融合的园林植物健康状态评估方法，其特征在于，具体包括：

2.根据权利要求1所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述预设方位的划定方法具体为：

3.根据权利要求1所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述健康指数的计算具体为：

4.根据权利要求1所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述体素占据指数计算具体为：

5.根据权利要求1所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述几何中心坐标及预设方位的空间位置坐标的提取具体为：

6.根据权利要求1所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述非线性变换通过以下公式实现：

7.根据权利要求6所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述预设上限值和所述预设下限值的设定具体为：

8.根据权利要求6所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：所述预设陡峭系数和预设变换中心值的设定具体为：

9.根据权利要求1所述的基于多光谱融合的园林植物健康状态评估方法，其特征在于：将所述体素占据指数与所述健康指数的变换结果融合具体为：

10.基于多光谱融合的园林植物健康状态评估系统，其特征在于，具体包括：