一种基于多光谱技术的烟叶产量预测分析方法与流程

文档序号:17187274发布日期:2019-03-22 21:28阅读:650来源:国知局
一种基于多光谱技术的烟叶产量预测分析方法与流程

本发明属于烟草种植领域,具体涉及一种基于多光谱技术的烟叶产量预测分析方法。



背景技术:

近年来,烟叶收购价格大幅上涨,烟叶种植数量迅速上升,烟民的生活水平有了质的提高,但是烟叶的质量却上升缓慢,烟叶产量难以预估,造成了社会资源的浪费。为了提升烟叶质量和精准预测烟叶产量,我们需要对病虫害进行预防防治、对影响烟叶长势的因素进行分析同时对烟叶产量进行预估,然后针对分析的结果采取适当的灌溉、施肥、施药、调整烟叶种植面积等措施。

在烟叶种植的过程中,影响烟叶产量的因素多种多样,而保障产量实行的措施也主要依靠个人的种植经验制定,传统种植模式下对于烟叶产量的评估和保障分析是通过人为实地勘察来判断的,如果发现有病虫害则进行人工施肥、施药等措施。这种方式观察不全面、工作量大、发现不及时、发现时基本处在晚期,难以控制或已经于事无补。烟草种植面广,产量难以预估,,依赖于有限的取样同时也缺乏数据的存储,不但烟叶质量无法提高,而且产量无法预测,造成人力和资源的浪费。因此,通过人为观察的方式进行烟叶产量的分析与保障已经不适用于目前大面积,高节奏,高效率的种植环境。

目前虽然已经有公开的专利申请,但在数据采集还是依靠人力,存在很大的局限性,数据信息不全面,采集工作量大,没有真正的解放劳动力。针对现有技术的不足,我们采用了无人机作业,避免了信息采集的局限性解放了劳动力,发明无人机采集多光谱图片实现对烟叶产量分析的装置及系统是非常必要的。



技术实现要素:

针对现有技术的不足,本发明的目的是提供了无人机采集多光谱图片实现对烟叶长势分析的装置及系统,一是解决了目前烟叶从种植到采摘过程中产量保障工作需要人为观察判断,劳动强度大,效率低,精度低的问题;二是可以根据多光谱分析软件得出的健康状态报告结合相关经验数据和产量预测模型,烟叶产量分析管理系统会得到烟叶产量数据,预测出该种植区域的烟叶产量,最终实现烟叶种植的精准管理;三是根据数据的差异性分析,如发现产量差异,则可以通过专业化和标准化的保障措施进行产量预警和改善,实现现代化的烟叶种植技术和精准管理。

本发明的目的采用如下技术方案实现:

一种烟叶产量分析的方法,包括采集装置与分析系统,所述采集装置包括无人机本体、在无人机本体上设置多光谱照相机、gps和惯性测量单元,多光谱照相机卡槽内设有sd卡,通过航拍获得多光谱照片;将多光谱照片导入计算机内设置的多光谱图片分析系统、烟叶品质分析与产量预测系统,从而准确预测烟叶的产量;其中无人机本体采用多旋翼无人机或多旋翼无人植保机;多光谱图片分析系统是一台安装有多光谱图片分析软件(瑞士pix4d股份有限公司的pix4dmapper)的计算机;

首先在多旋翼无人机或者植保机底部安装多光谱相机,通过在无人机控制端设置航线和拍照频率等参数,使无人机按照预定的航线飞行并拍摄多光谱照片;

然后把照片导入pix4d多光谱分析系统进行分析处理,能够得出近红外特征波长处的植被反射率、红光特征波长处的植物反射率等对植物生长态势和产量有预测作用的光谱信息,并能通过系统的运算得出植被当前的全氮、叶绿素等含量指标;

利用光谱分析系统得出的各项烟叶生长指标,结合自主开发的烟叶种植过程管理与指数模型分析系统进行数据归档和二次处理,并通过bi图表和统计报表的方式将光谱信息与实际的生长态势进行对比和线性分析,实现能反映出烟叶生长态势和光谱信息之间的关系模型,从而实现利用该关系模型预测出当前烟叶的生长态势,最终实现对烟叶的产量的有效预测;系统根据我们设定的分析模型和相关参数可以自动得出烟叶生长的健康状况,预计农作物的生理转变、并对其长势进行初步评估得出评估报告,最后再把评估数据导入烟叶产量分析管理系统进一步进行分析处理,从而准确预测烟叶的产量;在上述过程中如果通过多光谱图片分析判断出存在评估产量减少的情况,则需要及时使用标准化的措施进行防护处理。。

附图说明

图1是本发明多光谱图片拍摄装置整体结构示意图;

图2是本发明的阳光传感器一体化设计示意图;

图3是本发明系统工作原理流程图。

具体实施方式

如图1所示:本发明采集装置包括:多旋翼无人机本体10、安装在多旋翼无人机本体10腹部的多光谱照相机20、设在多光谱照相机20内的阳光传感器一体化设计30、数据线40;数据线40用于连接多光谱照相机20和阳光传感器一体化设计30;

其中,多旋翼无人机本体10由电池供电,采用普通多旋翼无人机或多旋翼植保无人机,用于搭载多光谱相机20进行按预定航线和预设参数进行拍摄多光谱照片,同时本发明也可用于病虫害的防治处理,如:灌溉、施肥、施药等作业。

多光谱照相机20安装在上述无人机的腹部,用螺丝固定,安装支架带有旋转轴,可以让多光谱照相机20向正下方拍照也可转动90度向正前方拍照。多光谱照相机20包含两个传感器:多光谱传感器和阳光传感器100。多光谱传感器设在多光谱照相机20内,它通过捕获植物吸收和反射的光量来分析植物的活力。面向植物的高精度多光谱传感器可捕获植物的rgb照片和它们在四个不同光谱波段反射的光:绿光、红光、不可见的红边和近红外;阳光传感器100放置在无人机背上,用来记录从太阳发出的光线强度,从而执行辐射校准,以确保一致的数据测量。

多光谱照相机20和阳光传感器一体化设计30通过数据线40连接,也可通过无线连接,本发明中的较佳实施例是通过数据线40连接进行数据通讯和传输。

如图2所示:阳光传感器一体化设计30长为47mm,宽为39.6mm,高为18.5mm,安装在无人机背上,它包括阳光传感器100、gps和惯性测量单元50、卡槽内sd卡60,其中阳光传感器100用来记录从太阳发出的光线强度,从而执行辐射校准,以确保一致的数据测量;gps和惯性测量单元50用来标记、记录无人机实时位置以及拍照点的地理位置信息;卡槽内sd卡60可扩展存储空间,以解决多光谱相机自身存储空间不够的问题。

如图3所示:多光谱照相机20采用parrotsequoia,这是一款针对精准农业的前沿多光谱照相机,它拍照后照片自动存储在卡槽内sd卡60内。将sd卡内的照片导入专业的多光谱图片分析软件300。我们使用的分析软件是pix4d,它是市场上现有首款支持无人机的飞行计录应用程序。

通过上述现有的光谱分析软件的处理,我们可以得出烟叶光谱分析生长指数报告400,其中就包括我们在模型建立中需要引入的归一化植被指数、叶面全氮、烟叶叶绿素等信息指标。再通过对烟叶生长健康状况的的观测和实际评估,得出实际环境中烟叶的生长指数报告500,从而获取我们需要的烟叶生理状态指数、烟叶病虫害指数、烟叶产量指数等信息。

在用光谱学方法评价和预测作物的生长态势和产量时,通常都采用归一化植被指数(ndvi)和比值植被指数(rvi)等与植物生长指标相关性较高的光谱指数,归一化植被指数主要反映植被的生长态势,比值植被指数主要反映出烟叶的覆盖密度情况,进而能够间接反映出烟叶的生长质量和病虫害严重程度等。我们定义近红外特征波长处的植被反射率为rir,红光特征波长处的植物反射率为rr,根据比值计算得出归一化植被指数为:

ndvi=(rir-rr)/(rir+rr)

比值植被指数:

rvi=rir/rr

归一化植被指数和植物生长中叶片的氮素和叶绿素之间都存在着线性关系。所以,在实际的分析应用中,我们主要采用归一化植被指数结合烟叶全氮和叶绿素的含量对烟叶的生长态势建立对比模型。由于作物的健康状况在很大程度上与植株体内的全氮含量的多少有关,而叶绿素作为光合作用中最重要的有机分子,其含量和作物的生长质量有着密切的关系,而叶绿素的含量同样与作物叶片氮素的含量存在线性关系,因此也可以通过对叶绿素的监测达到估算植物生长状态的目的。

烟叶种植过程管理与指数模型分析系统600是一个使用c#语言基于b/s架构(浏览器端/服务器端)开发的分析管理系统,它不仅用于烟叶过程信息的登记管理,又结合bi平台和报表管理工具,实现对各项指数信息的自动统计分析,主要用来记录烟叶生长过程的实时生长态势指标、病虫害严重度指标、烟叶产量指标等信息和多光谱分析指标,并将各项历史指标与各烟叶生长状态指数进行有机结合,实现数据间的关联性和差异性分析,总结出各项指标之间的线性关系,进而实现烟叶生长态势、产量预测与多光谱指标结合的烟叶生长分析模型建立,达到通过分析模型来准确预测出烟叶的生长态势和产量情况。

在实际的应用中,首先,我们定期对每个烟叶生长期的光谱信息进行拍摄采集,通过多光谱分析软件的处理,得到近红外特征波长处的植被反射率和红光特征波长处的植被反射率,并计算得出能够有效关联烟叶生长态势和烟叶产量的归一化植被指数ndvi和比值植被指数rvi。其次,在每个生长期间,对烟叶的生长态势情况进行实际跟踪,真实获取烟叶株高、叶片数、叶面积等与生长态势和产量有直接关联的生长指标。然后,依靠系统对上述的分析信息进行实时登记,用来满足整个分析系统的数据需要,并通过数据抽取技术和报表管理平台,对历年数据进行集成抽取和有机融合,实现各项信息之间的相关性和差异性分析,内容包括多光谱数据与烟叶生长态势之间的相关性分析、多光谱数据与烟叶产量之前的相关性分析、烟叶生长态势差异性分析等,并通过统计报表和分析图表的方式真观的展现出来,便于进行后续的分析。

通过上述对数据的进一步采集与分析,首先,我们确定出各项多光谱植被指数和烟叶产量之间的关系系数,并通过多年的数据积累,对该系统不断进行优化和线性关系调整,最终形成可以在各个生长期理想状态下相对准确预测烟叶产量的多光谱植被指数据线性关系模型,并通过多个线性关系模型的深度融合分析与不断效验,得到光谱指数对烟叶生长健康指数的预测模型700。然后,利用该线性关系模型,结合当年实际的期间烟叶生长多光谱信息,对烟叶产量进行合理化的评估预测,并编制年度烟叶产量指数预测报告800,实现烟叶产量的准确预测。最后,通过烟叶产量分析管理系统中预警阀值的设立,实现对烟叶生长态势及烟叶产量的自动预警功能,从而实现现代化的烟叶种植技术和精准管理,满足了现代烟叶种植的快节奏的生产需求。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1