einsVorwort

Weizen ist eine der drei größten Nahrungspflanzen der Welt.40%Hauptnahrungsquelle der Bevölkerung. Weizen als eine der wichtigsten Nahrungspflanzen in unserem Land ist sehr weit verbreitet.Das Wachstum von Weizen spezieller Sorten spielt eine wichtige Rolle für die wirtschaftliche Entwicklung unseres Landes undBesonders wichtig ist eine effiziente und zerstörungsfreie Überwachung der Weizenmenge und eine rechtzeitige und genaue Prognose der Weizenertrag.

Technische Ideen und Hauptinhalte

Spektrum NaturNutzung der nationalen ProduktionMultispektrale Bildgeräte,Mit zehn verschiedenen Weizensorten als Gegenstand der Studie, auf der einen Seite mit Bilddaten von Weizenblüte früh und spät erfasst von Multi-Spektrum-Kamera, mit Bildberechnung der Vegetationsindex zu bauen, die frühe und spät Chlorophyl-Umkehrmodell von Weizenblüte unter verschiedenen Kameras; Auf der anderen Seite wurden mittelfristige hochauflösende Bilder von Weizenpulpen mit Drohnen-Multispektrum erhalten, um mittelfristige Chlorophyl- und Weizenertragsmodelle auf der Grundlage von Farbmerkmalen und Vegetationsindex aufzubauen.

Bild1 Technischer Gesamtweg

Notwendige Inhalte:

1）Multispektrale Bildverarbeitung: Bei der Multispektralen Erfassung von sichtbarem Licht und multispektralen Bildern auf Weizenfeldern ist es notwendig, die Belichtungszeit, die Blende und andere Parameter im Voraus einzustellen, um die Einheitlichkeit der anschließenden Bildverarbeitung zu gewährleisten. Um die quantitative Nutzung der nachfolgenden Experimente zu erleichtern, müssen die Bilddaten nach der Erfassung von Bildern durch Vorbearbeitungsvorgänge wie Strahlungskorrektur, Einfluss-Splitz, Positivstrahlkorrektur, Geometriekorriktur und Bildschneiden erfasst werden.

2）Umkehrung des Weizenchlorophylgehalts basierend auf sichtbarem Licht und multispektralen Bildern:10Untersuchungsobjekte verschiedener Weizensorten wurden mit sichtbarem Licht und Multi-Spektrum-Kameras aufgenommen, um Bilddaten über die frühe und späte Blüte des Weizens zu erhalten. Durch die Korrelationsanalyse zwischen den gemessenen Weizenchlorofilgehalten und den beiden Bildern, die mehrere Vegetationsindices berechnet haben, wird der Vegetationsindex ausgewählt, der den Weizenchlorofilgehalt umgekehrt **. Schließlich wurden auf der Grundlage des ausgewählten Vegetationsindices Modelle für die Umkehrung des Chlorophyllgehalts in der Weizenblüte- und Spätphase unter verschiedenen Kameras erstellt.

3）Weizenchlorophyll auf der Grundlage von hochauflösenden Drohnenbildern und Ertragsreferenzen: Erfassung mit einer multispektralen Kamera auf der DrohneBilddaten von Weizenpulp in der Mitte. Einführung eines Minimum-Zweifach-Algorithmus, die mehrere Merkmale, die am stärksten mit den Prüfparametern relevant sind, als Selbstvariablen auswählen und ein mittelfristiges Chlorophyll- und Weizenertragsreversionsmodell erstellen.

4(Keiner)Ausgestattete MultispektralphaseDas Flugzeug fliegt einmal im Monat und basiert auf Überwachungsbilddaten aus langen Zeitreihen, die eine Referenzbasis für eine genaue Überwachung sind.

Technische Punkte

Multispektrale Bildverarbeitung

Aufgrund der Beschränkung durch die Eigenschaften des Sensors, das Wetter und andere Faktoren entstehen bei der Datenerfassung unvermeidlich Fehler, die nicht nur die Qualität der Bilddaten verringern, sondern auch die Genauigkeit der nachfolgenden Auswirkungsanalyse beeinflussen. Daher ist es notwendig, das Originalbild vor der multispektralen Fernerkundungsbildanalyse durchzuführen.Vorbehandlungsvorgänge. Bilddaten Vorverarbeitung Ablaufdiagramm2gezeigt.

Bild2 Ablaufdiagramm zur Vorverarbeitung von Bilddaten

（1）Strahlungskorrektur:Drohne während des Fluges，Je nach Licht und Wetterbedingungen，Erhaltene Bilder inSpektrumsaufrechterhaltungVerzerrungen erzeugen.fürPaulNachweis über den erfolgreichen Abschluss der anschließenden Bildaufgaben, Eine Strahlungskorrektur der Daten ist erforderlich. Die Strahlungskorrektur des sichtbaren Bildes in diesem Artikel ist falsch Grundstücksrecht Standard——Whiteboard-Gesetz，Umrechnung des Bildwertes in die Reflexivität des Bildes durch die Messung der Reflexivität eines Bodenziels，Echter genug.Reflexivität der reflektierten Oberfläche，Erfüllung der Anforderungen und Zwecke des Tests.Multispektrale Bildstrahlungskorrektur istverwendenSpektrum NaturMultispektrale Bildgeräte werden mit Datenverarbeitungssoftware geliefert.

（2）Richtige Korrektur:Drohnen bei der Erfassung von Bilddaten，Körper, der vom natürlichen Wind beeinflusst wirdNeinEs wird vermeidlich Zittern geben.、Neigung usw.、Gleichzeitig kann das Kameraobjektiv durch eine Änderung der Fluggestaltung Projektionsverformungen verursachen.，Es ist daher notwendig, das Bild zu korrigieren..Positive Strahlkorrektur basiert auf einer korrigierenden Transformationsfunktion, die die Elemente des Originalbildes einzeln in das Koordinatensystem des korrigierten Bildes umwandeltDer Verarbeitungsprozess ist wie dargestellt3gezeigt.

Bild3 Drohnenbildkorrekturprozess

（3(Geometrie)Korrektur:Aufgrund der begrenzten Genauigkeit des Positionierungssystems, das mit der Drohne geliefert wird, und der Anfälligkeit für äußere Faktoren wie Luftströmung, Windgeschwindigkeit und Windrichtung während des Fluges, die zu Fehlern bei den geographischen Koordinaten und den tatsächlichen Koordinaten führen, müssen die Koordinatendaten des hochpräzisen Positionierungssystems des Bodenkontrollpunkts aufgenommen werden.Geometrische Korrektur.

Mindestens doppelte Rückkehr

In praktischen Problemen wird häufig die Notwendigkeit gefunden, die Zusammenhänge zwischen zwei Gruppen von mehreren korrelierenden Variablen zu untersuchen und eine andere Gruppe von Variablen (durch Variablen oder Reaktionsvariablen) mit einer Gruppe von Variablen (Autovariablen oder Prognosevariablen) zu vorhersagen, außer der klassischen Multivariatenlinearen Regressionsanalyse unter dem Minimum-Duplicate-Kriterium.MLRdie Regressionsanalyse der Hauptkomponenten der variablen Komponenten (PCRNeben anderen Methoden gibt es auch die in den letzten Jahren entwickelte Mindestzweifache (PLS(Methode der Rückkehr.

Die Partial-Duplicate-Regression bietet eine Methode zur Modellierung von mehreren linearen Regressionen, insbesondere wenn zwei Gruppen von Variablen eine große Anzahl haben und beide mehrere Korrelationen haben und die Anzahl der Beobachtungsdaten (Stichprobengröße) geringer ist, haben Modelle, die mit Partial-Duplicate-Regression erstellt wurden, Vorteile, die herkömmliche Methoden wie die klassische Regressionsanalyse nicht haben. Die minimale zweifache Regressionsanalyse konzentriert sich während des Modellierungsprozesses auf die Merkmale der Hauptkomponentenanalyse, der typischen Korrelationsanalyse und der Methode der linearen Regressionsanalyse, so dass in den Analyseergebnissen neben der Bereitstellung eines vernünftigeren Regressionsmodells auch Gleichzeitig einige Forschungsinhalte wie die Hauptkomponentenanalyse und die typische verwandte Analyse abschließen, um eine reichereEinige tiefgehende Informationen.

Formel zur Berechnung der Vegetationsindex

Tabelle1 Formel zur Berechnung des Vegetationsindices

IV. Programmdurchführung

4.1vielSpektrale Drohnenflugdienste

Multispektrale Bildgebung bezieht sich auf die Möglichkeit, mehrere Spektralbanden gleichzeitig zu erfassen (in der Regel größer als gleich3a) und spektrale Detektionstechnik, die auf der Grundlage von sichtbarem Licht in beide Richtungen ausgedehnt wird Infrarot- und UV-Licht. Eine gängige Umsetzung ist die Kombination verschiedener Filter oder Spektrometer mit digitalen Bildsensoren, so dass sie das gleiche Ziel im gleichen Moment in unterschiedlichenschmalLichtsignale, die innerhalb des spektralen Bandbereichs strahlen oder reflektiert werden, erhalten ein Bild des Ziels in mehreren verschiedenen spektralen Bändern.Multispektrales Bild wird durch ein Bildgebungsspektrometer erhalten, ein Multispektrales Bildgeber ist ein Gerät, das sowohl spektrale Merkmale als auch räumliche Bildinformationen erfassen kann, was eine wichtige Richtung der Entwicklung von optoelektronischen Bildsystemen ist. Multispektrales Bildgebungssystem bietet3bis20Nicht-kontinuierliche Band-Bilder und wurden weit verbreitet in der Landwirtschaft und Lebensmittel. Aus dem Bildgebungsprinzip besteht die Multispektral-Bildgebungstechnik darin, das eingehende Vollband- oder Breitbandoptische Signal in mehrere zu teilen.schmalDie Strahlen der Bande werden dann auf den entsprechenden Detektoren abgebildet, um ein Bild der verschiedenen Spektralbanden zu erhalten.Daher wird mehr genutztSpektrale Eigenschaften können die Vegetation von Nicht-Vegetation trennen und in Kombination mit Drohnen erreicht werden.Gesundheitsanalyse der Vegetation.

Mehr DrohnenDas Spektrum hat folgende Merkmale:

Schnelle Aufnahme.Multi-Spektrum aufgrund seiner relativ geringen Erfassungsbandbreite ist die Erfassungsgeschwindigkeit relativ schnell；

Niedrige Komplexität.Aufgrund der begrenzten Bandzahl ist die Multispektralkomplexität geringer, einfacher zu verstehen und anzuwenden und es gibt relativ wenig Verarbeitungsarbeit.

Die Datenmenge ist reich. Mit zunehmender Bandzahl steigt die Datenmenge exponentiell. Raumdomäneninformationen und spektrale Domäneninformationen können bereitgestellt werden, d.h.“Karte vereint”Die vom Bildspektrometer erhaltene Spektralkurve kann mit der Spektralkurve eines ähnlichen Bodens verglichen werden.

In den geplanten Forschungsbereichen, je nach BedarfSammlung hochSpektralbilder. Die konkreten Schritte sind wie folgt:

Drohnenseite-Einstellung: Montage von Drohnen-Hochspektrumgeräten, Einstellung von Höhe, Geschwindigkeit, Überlappung entsprechend Kameraparametern und BildernGrad BedarfBildwegabstand festlegen;

Einstellung der Kameraseite: Einstellung der Bildrate der Kamera basierend auf der Fluggeschwindigkeit und Einstellung der Integralzeit (Belichtungszeit) basierend auf den Messwerten des Whiteboards;

Standard-Reflexionstafel: Platzieren Sie ein Standard-Reflexionstafel im Streckenbereich, um das Bild aufzunehmen.

Bild8 Diagramm der hochspektralen Datenerfassung von Drohnen

4.2Hochspektrale Bildverarbeitung von Drohnen

Nach der Erfassung von hochspektralen Bilddaten von Drohnen sind die folgenden Vorbearbeitungsaufgaben erforderlich:

Wellenlängenmärkung: Das erfasste Originalbild hat keine Wellenlängeninformationen und muss eine Wellenlängenmärkungsdatei hinzufügen;

Bildschneiden: Hochspektrale AnwendungSchiebetypBildgebung, die das erfasste Messbild schneiden muss;

Zuordnung: Geographische Zuordnung oder relative Zuordnung des geschnittenen Messbilds, anschließend wird das zugeordnete Bild zu einem vollständigen Bild zusammengefügt;

Strahlungskorrektur: Der Wert im Originalbild repräsentiert die Reflexionsintensität und erfordert die Verwendung von Whiteboard-Reflexionswerten und -MarkierungenDie Quasi-Reflexivität wird korrigiert, um die Reflexivität des gesamten Bildes zu berechnen.

Gemischte Spektralzerlegung: Spektraldaten, die von Drohnen erfasst werden, werden durch räumliche Auflösungsbilder erfasst, was zu einem Bild führt, das sich aus einer Mischung verschiedener Gegenstände oder Vegetation durchschnittlich bilden kann, um die Genauigkeit zu verbessern, müssen Bilder mit einer gemischten Spektralzerlegung durchgeführt werden;

（6Spektrale Filterung (glatt): Spektrale Informationen im Originalbild enthalten ein gewisses Rauschen, das vor der Anwendung eine Spektralfilterung erfordert.

Spektrale Bildverarbeitungssoftware:

Bild9 Darstellung der Oberfläche der Hochspektralbildverarbeitungssoftware für Drohnen

4.3Datensammlung von Bodenproben

Spektrum NaturMit den hochspektralen Bildgeräten und Geospektrometern, die in der ganzen Welt produziert werden, werden vor Ort Untersuchungen durchgeführt, mit dem Ziel, reale Trainingsproben für die Klassifizierung von Modellen vor Ort und Prüfproben der Klassifizierungsergebnisse für die Klassifizierung von Fernerkundungsbildern von Drohnen bereitzustellen. Hauptinhalt der Felduntersuchung ist die Messung der Infektion des Spike-HalsesPestReisspektrumdaten, die vom Geospektrometer erfasst werdenAlle Spike-Neck-PestReisspektrumdaten werden hierarchisch in unterschiedlichen Infektionsgraden aufgeteilt und dienen als Standarddatensatz für die Hochspektrumbildverarbeitung von Drohnen.

4.4Ergebnisanalyse

Bild12 Umkehrtes Ergebnis des Vegetationsgehalts

4.4.1Zuverlässigkeit der Schätzung der Ergebnisse

Die Prüfung der Präzision des Modells kann auf Grundlage des Durchschnitts und des Fehlers erfolgen (Wurzelmittelquadratischer Fehler, RMSE(und zugehörige Faktoren)rZwei Indikatoren zur Analyse.

in der Form,nfür die Anzahl der Proben,Als ProbeiLabormesswerte,Durchschnittswert für alle validierten Proben;Um die Vorhersagen des Modells zu nutzen,Der Durchschnittswert aller entsprechenden Prognosewerte für die Probe.RMSEJe kleiner der Wert,RJe größer der Wert des Korrelationskoeffizienten ist, desto genauer ist das Modell.

4.4.2Berechnung der Einflussfaktoren der Genauigkeit

Faktoren, die die Genauigkeit der Umkehrergebnisse beeinflussen, umfassen hauptsächlich folgende Aspekte:

1. Spektrale Daten: Einflüsse menschlicher Operationen durch Umweltauswirkungen und Unsicherheiten bei der Erfassung von ausländischen DatenEs gibt einige Unterschiede in der hochspektralen Bildqualität. Aber dieser Faktor ist nicht der Hauptfaktor.

2. Testdaten: Die Testdaten enthalten Spektraldaten und parametrische quantitative Messungen der Klingen. Unter dem Einfluss von Instrumentausrüstung und menschlichen Bedienfektoren können diese beiden Testdaten einige Fehler aufweisen, haben jedoch geringere Auswirkungen auf die Umkehrergebnisse. Wichtig ist, dass der Zeitunterschied bei der Messung dieser beiden realen Messwerte einer der Hauptfaktoren für das Bildinvertierungsmodell ist. Vermeiden Sie möglichst lange Nachmessungen nach der Klingensammlung und sorgen Sie dafür, dass die Spektrumsmessung und die parametrische quantitative Messung gleichzeitig durchgeführt werden.

3. Umkehrmodell: Der Aufbau eines Umkehrmodells ist der Hauptfaktor, der die Genauigkeit der Umkehr beeinflusst. Die Auswahl des charakteristischen Spektrums, die Form der Variablen und die Form des Inversionsmodells führen zu großen Unsicherheiten bei den Inversionsergebnissen.