[发明专利]一种机采棉脱叶效果综合评价指标监测与评价方法及系统

权利要求书

1.一种机采棉脱叶效果综合评价指标监测与评价方法，其特征在于，包括：

采集机采棉冠层RGB图像；

提取所述机采棉冠层RGB图像的可见光植被指数特征、颜色分量特征和纹理特征；

将所述可见光植被指数特征、颜色分量特征和纹理特征输入至训练好的机采棉脱叶效果综合评价模型中，输出脱叶效果评价值；所述训练好的机采棉脱叶效果综合评价模型为以所述机采棉冠层RGB图像的可见光植被指数特征、颜色分量特征和纹理特征为输入，以所述脱叶效果评价值为输出训练得到的基于粒子群优化算法的极限学习机模型，所述极限学习机模型包括输入层、隐藏层和输出层，所述粒子群优化算法用于优化所述输入层的权重值以及所述隐藏层的偏置值；

根据所述脱叶效果评价值，确定机采棉的采收时机。

2.根据权利要求1所述的方法，其特征在于，在所述采集机采棉冠层RGB图像的步骤之后，还包括步骤：

通过Pix4Dmapper软件对所述机采棉冠层RGB图像进行拼接处理，得到机采棉冠层RGB正射图像。

3.根据权利要求2所述的方法，其特征在于，所述提取所述机采棉冠层RGB图像的可见光植被指数特征、颜色分量特征和纹理特征，具体包括：

根据待监测地区中各试验小区的位置，对所述机采棉冠层RGB正射图像进行划分，得到多个感兴趣区域；

获取每一所述感兴趣区域中各个颜色通道的数字量化值，并计算各个颜色通道的平均数字量化值；所述颜色通道包括R通道、G通道以及B通道；

对各个颜色通道的数字量化值和平均数字量化值进行归一化处理，计算得到各个颜色分量值；所述颜色分量值为RGB正射图像中的各个颜色分量的归一化值，所述RGB正射图像中的各个颜色分量包括r分量、g分量以及b分量；

根据所述各个颜色分量值，计算得到所述可见光植被指数特征；

分别对各个所述感兴趣区域中颜色特征对应的RGB颜色空间模型进行颜色空间模型转换，得到转换后的颜色空间模型，所述转换后的颜色空间模型包括HSV颜色空间模型、La*b*颜色空间模型、YCrCb颜色空间模型以及YIQ颜色空间模型；

根据所述转换后的颜色空间模型，提取各个颜色空间模型中的颜色分量特征，并计算得到每一所述颜色分量特征的数字量化值；

基于灰度共生矩阵，从不同角度分别计算得到二阶矩、熵、对比度和自相关性的纹理特征。

4.根据权利要求1所述的方法，其特征在于，在所述提取所述机采棉冠层RGB图像的可见光植被指数特征、颜色分量特征和纹理特征的步骤之后，还包括步骤：

采用随机森林法分别对提取到的可见光植被指数特征、颜色分量特征和纹理特征进行筛选，得到筛选后的图像特征，所述筛选后的图像特征包括至少一个可见光植被指数特征、至少一个颜色分量特征以及至少一个纹理特征。

5.根据权利要求1所述的方法，其特征在于，在所述采集机采棉冠层RGB图像的步骤之前，还包括步骤：

采集待监测区域的机采棉的历史基础数据；

根据所述历史基础数据，采用主成分分析法确定机采棉脱叶效果综合评价指标；所述机采棉脱叶效果综合评价指标为评价机采棉的采收时机的指标；

根据所述机采棉脱叶效果综合评价指标，计算机采棉脱叶效果综合评价标准阈值；所述机采棉脱叶效果综合评价标准阈值为评价机采棉的采收时机的标准阈值，根据所述机采棉脱叶效果综合评价标准阈值以及所述脱叶效果评价值，判断所述机采棉冠层RGB图像对应的机采棉是否适合采收。

6.根据权利要求5所述的方法，其特征在于，所述根据所述历史基础数据，采用主成分分析法确定机采棉脱叶效果综合评价指标，具体包括：

对所述历史基础数据进行标准化处理，得到与所述历史基础数据对应的数据矩阵；

根据所述数据矩阵，计算得到与所述数据矩阵对应的相关矩阵或协方差矩阵；

确定所述相关矩阵或协方差矩阵的特征值，并计算每一所述特征值对应的特征向量；

根据所述特征向量确定主成分特征向量，并计算得到所述主成分特征向量的贡献率和累计贡献率；

根据所述主成分特征向量的贡献率和累计贡献率，确定所述机采棉脱叶效果综合评价指标。