[发明专利]一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统

权利要求书

1.一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，包括以下步骤：

S1：确定试验区域的空间范围，设置无人机飞行路径，对无人机采集的多光谱图像进行预处理，获取光谱参数；

S2：将被测茶园进行区域划分，并测量每个区域内茶树的氮素含量和品质指标；

S3：确定感兴趣区域；对感兴趣区域内的光谱参数与茶树的氮素含量和品质指标进行相关性分析；并从每个含量指标中选取4-8个相关性最高的光谱参数；

S4：重复步骤S1-S3；构建茶树氮素含量和品质指标的回归预测模型，并选择每个含量指标的最佳模型；

S5：利用步骤S3中选取的光谱参数结合步骤S4中的最佳模型，构建茶树氮素含量和品质指标的估算遥感监测影像，即实现茶树氮素含量及品质指标的信息可视化。

2.根据权利要求1所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，所述品质指标包括茶多酚含量和氨基酸含量。

3.根据权利要求1所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，所述步骤S1中无人机的飞行高度为20m-30m；所述无人机搭载多光谱相机；所述多光谱相机的视场角为30，曝光时间为5mm，ISO为100。

4.根据权利要求1所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，所述步骤S2中将被测茶园划分为边长为1m的正方形区域。

5.根据权利要求2所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，所述步骤S3的具体步骤为：

（1）利用环境可视化程序确定感兴趣区域，并提取该区域的平均DN值；

（2）在感兴趣区域内，选取28个光谱参数，分别与茶树的氮素含量和品质指标进行相关性分析；

（3）为了防止在建模时出现模型过度拟合的情况，从氮素含量和每个品质指标中分别选取5个与其相关性最高的光谱参数。

6.根据权利要求5所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，与氮素含量相关度最高的光谱参数为EVI、MTVI2、OSAVI、SAVI、NLI、MCARI、MSR和RDVI；与茶多酚含量相关性最高的光谱参数为RDVI、DVI、TCARI、RVI、NLI、OSAVI、SAVI和TVI；与氨基酸含量相关性最高的光谱参数为OSAVI、SAVI、NLI、MTCI、EVI、NDVI、RDVI和MTVI2。

7.根据权利要求1所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，所述步骤S4中，采用机器学习的方法构建氮素含量和品质指标的回归预测模型，具体步骤为：

（1）将所有数据集分为75%的训练集和25%的测试集，通过决定系数R²、均方根误差RMSE和归一化均方根误差NRMSE来评价模型的性能，选择最佳模型；

（2）将每个茶树氮素含量和品质指标的测定值与光谱参数进行拟合，构建茶树氮素含量和品质指标的回归预测模型；

（3）为了评价所述回归预测模型的反演精度，将测试集中各含量指标的测定值与所述回归预测模型的估计值进行比较，以验证所述回归预测模型的稳定性。

8.根据权利要求7所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，所述机器学习的方法包括PLSR、SVM、BP神经网络。

9.根据权利要求7所述的基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，其特征在于，当测试所述回归预测模型的R²、RMSE和NRMSE与训练集接近时，表明所述回归预测模型具有良好的稳定性。

10.一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测系统，其特征在于，包括：无人机；

搭载在所述无人机上的多光谱相机，用来采集茶树生长期的多光谱图像；

传感器，设置在所述多光谱相机上，用来获取茶树的氮素含量和品质指标；

处理器，执行以下操作：

利用其中的多光谱数据反演软件预处理所述多光谱相机采集的多光谱图像，获取光谱参数；利用其中的环境可视化程序确定感兴趣区域；构建茶树氮素和品质指标的回归预测模型；构建茶树氮素和品质指标的估算遥感监测影像。