[发明专利]基于无人机遥感和深度学习的鲜食玉米成熟度预测方法

权利要求书

1.一种基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于，包括如下步骤：

步骤S1，使用无人机平台搭载高清数码相机，对鲜食玉米作物植株进行高通量、抽穗中后期的数据采集，用于获取连续变化的动态表型数据；

步骤S2，在田间人工采集若干株样本，获得鲜食玉米含水量和含糖量的实测值；

步骤S3，针对步骤S1中获得的图像，利用深度学习神经网络，精确识别出鲜食玉米的雌穗区域；

步骤S4，针对步骤S3中识别出的雌穗区域，提取DN值，进行辐射定标处理，将DN值转换为大气外层表面反射率；

步骤S5，基于反射率结果，计算获得相关颜色植被指数；

步骤S6，针对步骤S2采集的样本对象，将相关颜色植被指数和人工实测含糖量与含水量进行相关性分析，选取相关性表现良好的颜色植被指数；

步骤S7，采用随机森林的方法，将选取的颜色植被指数用来构建鲜食玉米雌穗的含糖量和含水量的预测模型；

步骤S8，基于鲜食玉米雌穗的含糖量和含水量预测模型，将S5中获得的相关颜色植被指数作为输入，得到整块田间植株的含糖量和含水量预测值，通过预测值高低来评估鲜食玉米成熟度。

2.根据权利要求1所述的基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于：步骤S1的数据采集是连续的大面积采集，涵盖玉米雌穗颜色变化的中后期。

3.根据权利要求1所述的基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于：步骤S3中，采用深度学习神经网络U-Net对鲜食玉米雌穗进行图像分割。

4.根据权利要求3所述的基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于：采用深度学习神经网络U-Net对鲜食玉米雌穗进行图像分割时，输入256×256的图像，窗口形状为3×3的卷积层，后接一个步幅为2、窗口形状为2×2的最大池化层；卷积层保持输入的高和宽不变，而池化层则对其减半。

5.根据权利要求1所述的基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于：步骤S5中计算的颜色植被指数包括但不限于以下植被指数中的一种或多种：绿度植被指数GVI、归一化黄度植被指数NDYI、归一化差异植被指数NDI、绿叶面积指数GLA、超红指数EXR、R分量R*、G分量G*和B分量B*。

6.根据权利要求1所述的基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于：步骤S7中，采用机器学习中的随机森林算法，构建的树的个数为100个，在决策树的每个节点进行分裂时输入特征的个数为50个。

7.根据权利要求1所述的基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其特征在于：步骤S8中，利用无人机获取的抽穗中后期任意时间和区域的图像数据，来提取相关颜色植被指数，获得目标鲜食玉米雌穗含糖量和含水量的预测值。