[发明专利]一种小麦赤霉病的检测方法、装置及电子设备

权利要求书

1.一种小麦赤霉病的检测方法，其特征在于，包括：

获取待检测的高光谱影像；所述待检测的高光谱影像中包含小麦的生长信息；

基于所述待检测的高光谱影像中不同波长的反射率，计算目标光谱指数；

从所述待检测的高光谱影像中提取目标尺度的纹理特征；所述目标尺度的纹理特征为通过对多个第一赤霉病检测模型进行分析后得到的，多个第一赤霉病检测模型是通过从第一训练样本集中提取的不同尺度的纹理特征分别对待训练的赤霉病检测模型进行训练后得到的，所述第一训练样本为包含感染赤霉病的小麦的生长信息的高光谱影像；

将多个光谱指数和目标尺度的纹理特征输入到第二赤霉病检测模型中，得到小麦感染赤霉病的严重程度；所述第二赤霉病检测模型是通过从第二训练样本集中提取的多个光谱指数和预设尺度的纹理特征对待训练的赤霉病检测模型进行训练后得到的，且所述赤霉病检测模型具备预测小麦感染赤霉病的严重程度的能力，所述第二训练样本为包含患有赤霉病的小麦的生长信息的高光谱影像。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取第三训练样本集；所述第三训练样本集为多个包含感染赤霉病的小麦的生长信息的高光谱影像；

基于所述第三训练样本集中高光谱影像的不同波长的反射率，计算多个光谱指数；

对所述多个光谱指数之间的相关性、所述多个光谱指数与小麦的病穗率之间的关系以及每个光谱指数对赤霉病的敏感程度进行分析，并从多个光谱指数中筛选出目标光谱指数。

3.根据权利要求1所述的方法，其特征在于，还包括：

基于不同波段对赤霉病的敏感程度，确定第一目标波段；

基于不同波段包含的图像信息的丰富程度，确定第二目标波段；

从第四训练样本集中获取第一目标波段和第二目标波段的多个纹理参数；所述第四训练样本集为多个包含患赤霉病的小麦的生长信息的高光谱影像；

将第一目标波段和第二目标波段中相同纹理参数进行主成分分析，得到每个纹理参数的主成分；

计算每个纹理参数的主成分与所述第四训练样本的病穗率的相关性；

将所有的相关性进行比较，筛选出符合第一预设条件的多个纹理参数；

将符合第二预设条件的多个纹理参数对应的纹理参数作为纹理特征。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取第五训练样本集；所述第五训练样本集为包含感染赤霉病前期的小麦的生长信息的高光谱影像；

基于第五训练样本集中高光谱影像的不同波长反射率，计算目标光谱指数；

从所述高光谱影像中提取多个不同尺度的纹理特征；

将目标光谱指数和一个尺度的纹理特征作为一个特征对，分别通过每个特征对待训练的赤霉病检测模型进行训练，得到多个已训练的第一赤霉病检测模型；

通过预设的多个第一指标对多个已训练的第一赤霉病检测模型进行分析；

基于对多个已训练的第一赤霉病检测模型进行分析的结果，从所述多个已训练的第一赤霉病检测模型中筛选出第一目标赤霉病检测模型；将用于对第一目标赤霉病检测模型进行训练的纹理特征的尺度作为患赤霉病前期所选用的目标尺度。

5.根据权利要求1所述的方法，其特征在于，还包括：

获取第六训练样本集；所述第六训练样本集为包含患赤霉病后期的小麦的生长信息的高光谱影像；

基于第六训练样本集中高光谱影像的不同波长反射率，计算目标光谱指数；

从所述第六训练样本集中的高光谱影像中提取多个不同尺度的纹理特征；

将目标光谱指数和一个尺度的纹理特征作为一个特征对，分别通过每个特征对待训练的赤霉病检测模型进行训练，得到多个训练好的第二赤霉病检测模型；

通过预设的第二指标对多个已训练的第二赤霉病检测模型进行分析；

基于对多个已训练的第二赤霉病检测模型进行分析的结果，从所述多个已训练的第二赤霉病检测模型中筛选出第二目标赤霉病检测模型；将用于对第二目标赤霉病检测模型进行训练的纹理特征的尺度作为患赤霉病后期所选用的目标尺度。