小麦倒伏面积提取系统及方法与流程

技术特征：
1.一种小麦倒伏面积提取系统，其特征在于，包括：获取单元，用于通过无人机搭载多光谱传感器获取试验区田间影像数据；预处理单元，所述预处理单元与所述获取单元相连，用于处理获取的试验区田间影像数据得到小麦冠层多光谱影像；计算单元，所述计算单元与所述预处理单元相连，用于计算小麦冠层多光谱影像中目标作物的纹理特征；选取单元，所述选取单元与所述计算单元相连，用于将计算得到的纹理特征分别与多光谱影像进行合并，使用马氏距离分类法对所述影像进行分类分析，提取小麦倒伏面积。2.根据权利要求1所述的提取系统，其特征在于，所述试验区田间影像数据是通过无人机搭载多光谱传感器于飞行高度为30～50米、飞行时间为9:00～10:00、13:00～14:00、17:00～18:00所采集获得的。3.根据权利要求1所述提取系统，其特征在于，所述计算单元用于对得到的小麦冠层多光谱影像，利用如下方法提取纹理特征：使用基于二阶概率统计的滤波工具计算正常小麦与倒伏小麦的纹理信息；纹理分析后需要统计正常和倒伏小麦的均值和方差，利用这两个值计算出变异系数和相对差异系数。4.根据权利要求1所述提取系统，其特征在于，所述选取单元用于：选择变异系数小、相对差异系数大的纹理特征作为倒伏提取模型的变量；选取红色、绿色、蓝色三个波段的均值纹理特征结合所述飞行高度、飞行时段的多光谱影像合并得到的影像；将分类得到的倒伏地块和小区边界进行叠加分析，使得倒伏地块也有小区的边界信息，统计出每一个小区中倒伏面积的大小，计算每一个小区中的倒伏面积占比。5.根据权利要求1所述提取系统，其特征在于，所述提取系统进一步包括：评价单元，所述评价单元与所述选取单元相连，用于对比人工调查数据和所述选取单元所得分类模型结构，验证分类模型精度；任选地，所述评价单元用于：用所述选取单元计算得到的每一个小区中的倒伏面积占比，与已知的人工调查出的倒伏面积占比计算差值，所述差值为分类误差。6.一种利用权利要求1～5任一项所述小麦倒伏面积提取系统提取小麦倒伏面积的方法，其特征在于，包括如下步骤：s1：使用无人机搭载多光谱传感器采集试验区田间影像数据；s2：对s1采集的田间影像数据进行预处理，得到小麦冠层多光谱影像；s3：计算s2得到的小麦冠层多光谱影像中目标作物的纹理特征；s4：选取红色、绿色、蓝色三个波段的均值纹理特征结合所述飞行高度、飞行时段的多光谱影像合并得到的影像，使用马氏距离分类法对影像进行分类分析，提取小麦倒伏面积。7.根据权利要求6所述提取方法，其特征在于，所述无人机搭载多光谱传感器的飞行高度为30～50米、飞行时间为9:00～10:00、13:00～14:00、17:00～18:00；任选地，s2所述预处理包括影像拼接和几何校正、辐射定标。8.根据权利要求6所述提取方法，其特征在于，所述s3包括如下步骤：对s2得到的小麦冠层多光谱影像，利用如下方法提取倒伏小麦与正常小麦的纹理特
征：使用基于二阶概率统计的滤波工具计算正常小麦与倒伏小麦的纹理信息；纹理分析后需要统计正常和倒伏小麦多个纹理特征的均值和方差，利用这两个值计算出变异系数和相对差异系数。9.根据权利要求8所述提取方法，其特征在于，所述s4包括如下步骤：s41：选择变异系数小、相对差异系数大的纹理特征作为倒伏提取模型的变量；s42：选取红色、绿色、蓝色三个波段的均值纹理特征结合所述飞行高度、飞行时段的多光谱影像合并得到的影像；s43：将分类得到的倒伏地块和小区边界进行叠加分析，使得倒伏地块也有小区的边界信息，统计出每一个小区中倒伏面积的大小，计算每一个小区中的倒伏面积占比。10.根据权利要求9所述提取方法，其特征在于，进一步包括：s5：将s4所得小麦倒伏面积结果与人工调查数据相比对，验证分类模型精度，任选地，所述s5包括如下步骤：用s46计算得到的每一个小区中的倒伏面积占比，与已知的人工调查出的倒伏面积占比计算差值，所述差值为分类误差。

技术总结
本发明提出了小麦倒伏面积提取系统和方法，所述提取系统包括：获取单元，用于通过无人机搭载多光谱传感器获取试验区田间影像数据；预处理单元，所述预处理单元与所述获取单元相连，用于处理获取的试验区田间影像数据得到小麦冠层多光谱影像；计算单元，所述计算单元与所述预处理单元相连，用于计算小麦冠层多光谱影像中目标作物的纹理特征；选取单元，所述选取单元与所述计算单元相连，用于将计算得到的纹理特征分别与多光谱影像进行合并，使用马氏距离分类法对所述影像进行分类分析，提取小麦倒伏面积。本发明的提取系统和方法能够准确地提取小麦的倒伏面积，降低人工成本，适于规模化推广应用。化推广应用。


技术研发人员：刘哲 张心璐 昝糈莉 李绍明 张晓东 邢子瑶
受保护的技术使用者：中国农业大学
技术研发日：2020.08.20
技术公布日：2022/3/10