[发明专利]一种基于多源无人机遥感评估不同生长阶段茶园重要表型参数的方法及系统

说明书

本发明公开了一种基于无人机多源遥感的茶园重要表型指标监测方法及系统。所述评估方法包括：通过LIDAR（激光雷达）、TC（倾斜摄影）、MS（多光谱）、RGB、TM（热红外）相机采集茶园图像，将图像进行预处理，采用4个回归分析算法（即BP（前馈神经网络）、RF（随机森林）、SVM（支持向量机）、PLS（偏最小二乘法回归））监测三个生长阶段茶园表型参数（即H（高度）、LAI（叶面积指数）、W（含水量）、LCC（叶片叶绿素含量）、LNC（叶片氮含量））。本发明可以快速准确的获取到茶树的多个表型信息，并且多个表型的联合分析对于指导茶园管理具有重要意义。有助于扩大无人机在精准农业和可持续农业中的应用。

技术领域

本发明属于计算机视觉领域，具体涉及一种基于多源无人机遥感的茶园重要表型参数估计的方法及系统。

背景技术

茶树（Camellia sinensis L.）是一种重要的经济作物，在世界范围内都有广泛栽培。茶树的表型参数是评价茶园管理的重要指标，这些表型参数主要有叶面积指数、高度、叶片水分含量、叶片叶绿素和氮素浓度等。利用这些参数可以指导茶园的日常管理，如可以利用茶树的结构参数指导茶树的修剪和采摘，利用茶树的生理生化参数指导茶园灌溉和施肥等。但这些参数的传统测量方法存在耗时耗力、效率低、成本高且准确度差等问题，严重制约了茶叶的智慧化生产。

随着新型遥感工具的兴起，无人机系统凭借机动灵活、适合复杂农田环境、高效率和低成本等优势，逐渐成为获取田间作物表型信息的重要手段。光学传感器可以获取到物体的光谱反射率和纹理；基于运动的结构（SfM）点云可以检测冠层结构信息；热学传感器大多数被应用到监测作物的含水量的时空变化和评价作物的干旱程度；与单源遥感相比，多源遥感在监测农作物各种参数方面模型的精度和准确度更高。

发明内容

本发明提供了一种基于多源遥感的评估不同生长阶段茶园的重要表型参数的方法。本发明使用5个无人机多源遥感数据（即LIDAR、TC、MS、RGB、TM）以及4个回归分析算法（即BP、RF、SVM、PLS）监测三个生长阶段茶园表型参数（即H、LAI、W、LCC、LNC）。本发明有助于扩大无人机在精准农业和可持续农业中的应用。

为实现上述发明目的，本发明采用以下技术方案予以实现：

本发明提供了一种基于多源遥感监测不同生长阶段茶园表型参数的方法，包括以下步骤：

S1：使用激光雷达、倾斜摄影、多光谱、RGB纹理、热红外相机采集茶园图像；

S2：将步骤S1的茶园图像进行预处理；

S3：对预处理后得到的无人机遥感数据进行进一步处理；

S4：将S3提取到的数据输入模型，输出结果，得到茶树的高度（H）、叶片含水量（W）、叶面积指数（LAI）、叶绿素浓度和叶片氮素浓度（LNC）。

进一步的，所述步骤S2中预处理茶园图像的步骤为：

S21：采集到的LiDAR数据利用大疆智图软件(DJI, Inc., Shenzhen, China)生成点云模型，包括筛选高点云密度、输出坐标系位置CGRS93、点云精度优化、重建；

S22：采集到的TC数据利用大疆智图软件生成三维模型，包括选择高清晰度图像、选择倾斜拍摄和正射拍摄场景、重塑；

S23：采集到的MS数据利用Yusense Map V1.0（Yusense, Inc., Qingdao, China）拼接, 包括生成注册参数进行图像配准、输入白板反射率辐射定标、多光谱图像的拼接；

S24：采集的TM和RGB数据通过Yusense Map V1.0拼接，包括导入数据、相机参数生成、图像拼接、温度定标；