详情

原文传递基于高光谱的病害程度诊断方法

专利名称：	基于高光谱的病害程度诊断方法
摘要：	本申请公开了一种基于高光谱的病害程度诊断方法，包括步骤：无人机搭载非成像高光谱仪；通过无人机采集多个待测作物的原始高光谱数据，得到待测作物可见光到近红波段的连续曲线，进行连续统去除处理归一化，得到待测作物的吸收特征参数，根据赤池信息量准则筛选吸收特征参数得到诊断特征，诊断特征包括吸收峰面积、吸收深度、和吸收对称度；将诊断特征作为自适应网络模糊推理系统模型的输入变量，通过自适应网络模糊推理系统模型得到输出量，输出量为待测作物的病害程度值数。本发明基于高光谱的病害程度诊断方法，节约人工、时间成本，避免了因调查人的主观性而造成的误差，更加准确地对作物病害程度进行诊断。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京麦飞科技有限公司
发明人：	董锦绘;施蕾蕾;郝荣欣;刘龙;宮华泽;陈祺
专利状态：	有效
申请日期：	2019-08-30T00:00:00+0800
发布日期：	2019-10-22T00:00:00+0800
申请号：	CN201910811521.8
公开号：	CN110361344A
代理机构：	北京晟睿智杰知识产权代理事务所(特殊普通合伙)
代理人：	于淼
分类号：	G01N21/31(2006.01);G;G01;G01N;G01N21
申请人地址：	100000 北京市朝阳区阜通东大街1号院6号楼6层2单元220702
主权项：	1.一种基于高光谱的病害程度诊断方法，其特征在于，包括步骤：无人机搭载非成像高光谱仪；通过无人机采集多个待测作物的原始高光谱数据，通过所述原始高光谱数据得到所述待测作物可见光到近红波段的连续曲线；对所述待测作物的连续曲线进行连续统去除处理归一化，得到所述待测作物的吸收特征参数，所述吸收特征参数包括吸收波段波长位置、吸收深度、吸收宽度、吸收斜率、吸收对称度、吸收峰面积和光谱绝对反射值；根据赤池信息量准则筛选所述吸收特征参数得到诊断特征，所述诊断特征包括所述吸收峰面积、所述吸收深度、和所述吸收对称度，其中所述吸收峰面积包括吸收峰总体面积和吸收峰左端面积；将所述诊断特征作为自适应网络模糊推理系统模型的输入变量，通过所述自适应网络模糊推理系统模型得到输出量，所述输出量为所述待测作物的病害程度值数。 2.根据权利要求1所述的基于高光谱的病害程度诊断方法，其特征在于，所述原始高光谱数据为所述待测作物灰度值。 3.根据权利要求2所述的基于高光谱的病害程度诊断方法，其特征在于，所述通过无人机采集待测作物的原始高光谱数据之前，对所述非成像高光谱仪校准，得到定标白板灰度值和定标白板反射率。 4.根据权利要求3所述的基于高光谱的病害程度诊断方法，其特征在于，所述连续曲线包括多个所述待测作物反射率，所述待测作物反射率根据以下方法得到： a＝bd/c；其中，a是所述待测作物反射率，b是所述待测作物灰度值，c是所述定标白板灰度值，d是所述定标白板反射率。 5.根据权利要求1所述的基于高光谱的病害程度诊断方法，其特征在于，所述连续曲线包括谷点和峰点，所述峰点包括第一峰点和第二峰点。 6.根据权利要求5所述的基于高光谱的病害程度诊断方法，其特征在于，所述吸收深度根据以下方法得到： h＝1-ρM；其中，h是所述吸收深度，ρM是所述谷点M对应的所述待测作物的反射率。 7.根据权利要求5所述的基于高光谱的病害程度诊断方法，其特征在于，所述吸收对称度根据以下方法得到： e＝(λS2-λM)/w；其中，e是吸收对称度参数，λS2是所述第二峰点S2的吸收波段波长位置，λM是所述谷点M的吸收波段波长位置，w是所述吸收宽度。 8.根据权利要求7所述的基于高光谱的病害程度诊断方法，其特征在于，所述吸收宽度w根据以下方法得到： w＝λS1-λS2；其中，w是所述吸收宽度，λS1是所述第一峰点S1的所述吸收波段波长位置，λS2是所述第二峰点S2的所述吸收波段波长位置。 9.根据权利要求1所述的基于高光谱的病害程度诊断方法，其特征在于，所述输入变量为钟形函数。 10.根据权利要求1所述的基于高光谱的病害程度诊断方法，其特征在于，所述可见光到所述近红波段的范围为350nm-900nm。
所属类别：	发明专利