[发明专利]基于无人机遥感的点穴播种出芽率监测方法与装置

说明书

本发明提供一种基于无人机遥感的点穴播种出芽率监测方法与装置，所述方法包括：以完整点穴播种农田影像中作物植被区的独立影像斑块为监测单元，通过监测每个所述监测单元的轮廓形状及尺寸特性，划分出重叠植株单元和单株植株单元；利用数据统计法，确定单棵植株所覆盖的像元个数，并基于所述单棵植株所覆盖的像元个数，计算所述重叠植株单元中植株的重叠次数；通过统计所述单株植株单元的总数和各所述重叠植株单元的所述重叠次数，计算出芽总植株数，并基于所述出芽总植株数和总播种点穴数，计算目标点穴播种的出芽率。本发明能够有效提高作物出芽率的监测效率、准确性和适用性，从而极大的节省人力资源的消耗，提升信息化管理水平。

技术领域

本发明涉及农业信息技术领域，更具体地，涉及一种基于无人机遥感的点穴播种出芽率监测方法与装置。

背景技术

快速准确的监测作物播种后的出芽情况对于对出芽率较低地块的及时补种管理，从而有效提高土地的出产率，节约成本，提高生成效益，具有十分重要的意义。

目前，一般通过人工在农田进行目视查找和统计实现对作物出芽率的监测。或者，通过采集作物种植区域的影像，并对影像进行固定像元数的像元组划分，再对各像元组进行分类处理，得到绿色的作物植被和地表土壤。然后对得到的分类为作物植被的象元进行拓扑转换，得到作物植株的矢量，并对矢量的个数进行计数即得到总的作物植株量，最后计算总的作物植株量与播种量的比值即得到作物的出芽率。此处拓扑转换是指对由多个作物象元聚集在一起形成的孤立象元集合的边界进行提取并转换为矢量的处理过程。

上述的人工地块调查方法精度高、效果好，但十分耗费人力资源，且效率低下，特别是在大面积的作物种植地区，往往会因为部分农田的作物在出芽后不能及时的进行补种作业，而影响后续作物产量。并且，随着人工成本的上升，该方法将越来越难以被广泛使用。

而通过采集作物地块影像，并进行像元组划分、分类、拓扑转换和计数的方法，由于在进行像元组划分时采用固定的像元数量标准，并以像元组为单位进行影像数据处理，而忽略了植株的重叠问题和植株大小问题，从而导致估算的出芽率存在偏差。例如，由于大田环境存在的差异，导致相邻的播种点穴发芽的作物植株有重叠的可能，会导致估算的出芽率比实际情况偏低，或者由于一株植株较大而被划分到多个像元组中，导致重复计算，并从而导致估算值偏高。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明提供一种基于无人机遥感的点穴播种出芽率监测方法与装置，用以有效提高作物出芽率的监测效率、准确性和适用性。

一方面，本发明提供一种基于无人机遥感的点穴播种出芽率监测方法，包括：S1，以完整点穴播种农田影像中作物植被区的独立影像斑块为监测单元，通过监测每个所述监测单元的轮廓形状及尺寸特性，划分出重叠植株单元和单株植株单元；S2，利用数据统计法，确定单棵植株所覆盖的像元个数，并基于所述单棵植株所覆盖的像元个数，计算所述重叠植株单元中植株的重叠次数；S3，通过统计所述单株植株单元的总数和各所述重叠植株单元的所述重叠次数，计算出芽总植株数，并基于所述出芽总植株数和总播种点穴数，计算目标点穴播种的出芽率。

其中，所述S1的步骤进一步包括：根据目标点穴播种作物的单株植株轮廓形状特性，制定植株重叠判定模型，并根据各所述监测单元的轮廓形状及尺寸特性，利用所述植株重叠判定模型，判定每个所述监测单元属于所述重叠植株单元或者所述单株植株单元。

其中，所述S2的步骤进一步包括：利用数据统计法，制定单棵植株所覆盖的像元个数的频率分布百分比图，并基于所述频率分布百分比图，计算所述单棵植株所覆盖的像元个数；基于所述单棵植株所覆盖的像元个数，计算单棵植株平均轮廓直径，并基于所述单棵植株平均轮廓直径和所述重叠植株单元的最大轴长，计算所述植株的重叠次数。