[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

说明书

本发明公开了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。该方法利用深度学习技术识别玉米雌穗，并结合无人机遥感数据提取的植被指数和地面人工样本实测值构建鲜食玉米雌穗的含糖量和含水量估算模型，用于预测整块田间植株鲜食玉米的成熟度。本发明建立的随机森林模型具有较强的鲁棒性，可以适应于多种田间状况。本发明对传感器的要求不高，大幅降低了用户购买传感器的成本。

技术领域

本发明属于农业自动化领域，具体涉及一种鲜食玉米成熟度预测方法，尤其是涉及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。

背景技术

鲜食玉米的成熟度会影响到鲜食玉米的口感和营养价值，关系到鲜食玉米的市场价值。鲜食玉米的含水量和含糖量又是反映其成熟度的重要参考标准，因此构建鲜食玉米成熟度预测模型，能够为鲜食玉米的采摘时期提供决策。

应用无人机遥感技术，可以实现低成本、高效率、无损害的进行鲜食玉米含糖量和含水量预测。目前很少有关于鲜食玉米收获时期的判断研究，尤其在借助提取鲜食玉米雌穗和雄穗相关特征的方面，几乎全是以雄穗为主，且多以雄穗估测产量为主。并且鲜食玉米的雄穗在玉米上部，但是其变化没有雌穗敏感，无法准确的去反映鲜食玉米的成熟度。前人的研究中，也并未针对鲜食玉米的收获时期提出具体的解决方案。

本方法通过多旋翼无人机平台搭载高清单反相机，拍摄鲜食玉米的高分辨率图像，进而使用深度学习与机器学习分别进行提取和建模，达到预测鲜食玉米收获期的目的。

发明内容

(一)要解决的技术问题

为了能达到在适时的时期收获鲜食玉米，保证其经济价值收益最高，本发明提供了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，实现了对鲜食玉米收获时期的准确预测。

(二)技术方案

为了解决上述问题，本发明提供了如下技术方案，提供了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，具体如下。

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。

更具体地，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。

更具体地，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。

更具体地，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。