详情

原文传递一种基于高光谱技术监测水稻纹枯病的方法

专利名称：	一种基于高光谱技术监测水稻纹枯病的方法
摘要：	本发明公开了一种基于高光谱技术监测水稻纹枯病的方法,包括如下步骤：S1、基于无人机搭载的高光谱仪按预设的行驶路径完成原始光谱数据的采集；S2、基于无人机的三维姿态信息确定每个原始光谱数据的偏转角度并按照标准偏转角度完成所有原始光谱数据的重构；S3、将完成重构后的光谱经标准正态变量变换（SNV）后，采用MapReduce提取光谱特征信息；S4、采用MapReduce提取光谱特征信息作为BP神经网络模型的输入变量，输出评估结果。本发明保证了数据源的准确性、数据处理的高效性，以及处理结果的准确性，且大大方便了后期防治工作的开展。
专利类型：	发明专利
国家地区组织代码：	江西;36
申请人：	江西省农业科学院农业工程研究所
发明人：	陈立才;董希慧;应春根;李艳大;黄俊宝;舒时富;曹中盛;孙滨峰;叶春;罗翔;黄芳
专利状态：	有效
申请日期：	2019-08-15T00:00:00+0800
发布日期：	2019-11-15T00:00:00+0800
申请号：	CN201910755433.0
公开号：	CN110455721A
代理机构：	西安合创非凡知识产权代理事务所(普通合伙)
代理人：	马英
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	330200江西省南昌市青云谱区南莲路602号
主权项：	1.一种基于高光谱技术监测水稻纹枯病的方法,其特征在于，包括如下步骤： S1、基于无人机搭载的高光谱仪按预设的行驶路径完成原始光谱数据的采集； S2、基于无人机的三维姿态信息确定每个原始光谱数据的偏转角度并按照标准偏转角度完成所有原始光谱数据的重构； S3、将完成重构后的光谱经标准正态变量变换后，采用MapReduce提取光谱特征信息； S4、采用MapReduce提取光谱特征信息作为BP神经网络模型的输入变量，输出评估结果。 2.如权利要求1所述的一种基于高光谱技术监测水稻纹枯病的方法,其特征在于，每一个原始光谱数据均标记三维姿态信息和GPS定位信息。 3.如权利要求1所述的一种基于高光谱技术监测水稻纹枯病的方法,其特征在于，所述BP神经网络模型采用单隐含层3层网络结构，隐含层的节点数设置为12，最大迭代次数为1000，学习速率为0.6，目标误差为10-5，判别阀值设置为0.5。 4.如权利要求1所述的一种基于高光谱技术监测水稻纹枯病的方法,其特征在于，通过以下步骤完成原始光谱数据的重构；根据每个原始光谱数据的偏转角度计算每个原始光谱数据的补充偏转角度；根据每个原始光谱数据的补充偏转角度重新绘制每个原始光谱数据。 5.如权利要求1所述的一种基于高光谱技术监测水稻纹枯病的方法,其特征在于，还包括：无人机在完成一次轨迹采集后，基于PCA-BP神经网络模型实现每个原始光谱数据的图像清晰度、图像失真度的检测，一旦落入不合格门限，无人机自动根据不合格图像所在的GPS数据进行对应高光谱数据的重新采集，直至所有原始光谱数据符合标准后再进行原始光谱数据的重构。 6.如权利要求1所述的一种基于高光谱技术监测水稻纹枯病的方法,其特征在于，所述评估结果包括是否存在水稻纹枯病，以及患病区域所在的GPS定位数据。
所属类别：	发明专利