一种茶叶产量远程评估方法与流程

本发明涉及一种农产品的产量评估方法，特别涉及一种茶叶产量的远程评估方法。属于农业技术推广服务。

背景技术：

1、中国专利数据库中，公开了一种基于叶面积指数的茶园产量预测方法及装置，其公开号为：cn114612380a；公开日：20220610；基于叶面积指数的茶园产量预测方法及装置，涉及遥感检测技术领域，包括：获取待测茶园图像数据并进行大气校正、空间分辨率重采样和坐标系转换，得到第一数据；根据预设公式并带入所述第一数据进行待测茶园的叶面积指数计算，得到第二数据；根据所述第二数据和一芽一叶的单次产量进行回归拟合，得到第一方程，根据所述第一方程叠加温度系数和遮荫管理并按照采摘模式对所述待测茶园的产量进行计算，得到茶园预测产量。

2、中国专利数据库中，还公开了一种基于多模态信息的茶园产量预测方法，其公开号：cn114399108a；公开日：20220426；其步骤包括：

3、1)获取或生成茶园数据集，其中每一个样本包含茶园图像、茶园环境数据以及产量；

4、2)利用数据集训练茶园产量预测模型；其中，茶园产量预测模型包括茶园图像特征学习模块、环境特征学习模块、特征融合模块和全连接层；茶园图像特征学习模块用于从茶园图像中获取茶园的图像特征环境特征学习模块用于从茶园环境数据中获取茶园的环境特征fω；特征融合模块将图像特征环境特征fω进行融合得到特征fc，并将特征fc输入全连接层预测茶园的茶叶产量；

5、3)对于一待预测茶园，将其图像数据、环境数据输入到训练好的茶园产量预测模型，得到该待预测茶园的茶叶产量。

6、现有技术中，还有一种茶叶产量预测系统及方法的专利申请，其公开号cn111950773a；公开日：20201117；该系统包括：图像拼接模块用于获取目标茶园的正射镶嵌图；茶芽分类识别模块用于将目标茶园的正射镶嵌图输入到茶叶识别模型中，获取目标茶园中不同等级的茶芽，茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；产量计算模块用于根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取目标茶园中的茶芽总产量。本系统采用与茶叶非接触无破坏的方式，无需将茶芽采摘下来就能进行茶芽量的统计，通过机器学习的方式进行茶芽的识别与统计，实现无损监测，实时性高，数据精度也较高。

7、现有技术的不足之处在于，茶树在放养期间，茶园中会滋生杂草，杂草通常长势旺盛，通过图像识别进行训练时，不同的茶园因其茶树的覆盖面积不一致，因而杂草生长也是不一致的，树冠密实的茶园，杂草长势相对较弱，稀疏的茶园则杂草较多，这会导致通过的计算机模型进行预测时，偏差较大；此外影响产量预测的还有发黄的老叶、掉落的枯叶，这些对图形识别时会产生干扰，导致产量预测不够准确。

技术实现思路

1、本发明的目的是提供一种茶叶产量远程评估方法，使得茶叶产量评估更加准确，可不受茶园杂草、枯黄老叶的影响。

2、本发明的目的是这样实现的：一种茶叶产量远程评估方法，包括如下步骤：

3、1)通过卫星定位系统对茶园周边进行定位，勾勒出茶园的外廓线形状；

4、2)放养树冠至新叶覆盖25-30％树冠后，进行首次采摘新茶，记录初次采茶产量t1，然后对茶园进行首次清园操作，去除杂草及对茶树树冠进行；

5、3)采用无人机对茶园进行正投影摄像，对图像进行拼接处理，消除图像畸变；

6、4)对拼接图像进行处理，分离出前景和背景，以茶树树冠覆盖区域作为前景，去除道路、空地、房屋、杂树形成的背景色；

7、提取前景和背景时，先进行树冠边缘检测，采用八邻域算法，遍历图像找到第一个非零像素点，为一个边界点，该边界点为起始点，顺时针查找该点八邻域内遇到的第一个非零像素点，该点为第二个边界点，然后进行邻域内继续依次查找，找到全部边界点；以茶树树冠边缘作为边界，获取前景图像；通过如下迭代公式获取茶树前景；

8、

9、式中，d(x,y)为当前像素值，ostu(fei)为设定阈值，fei为包含第i个连续边缘的最小矩形区域，f8(d(x,y))表示当前像素d(x,y)的八邻域的前景像素，c2为判断相邻像素是否为前景的阈值；迭代时，通过当前像素d(x,y)与相邻前景像素差值，以及当前像素d(x,y)是否大于设定阈值ostu(fei)判断当前像素d(x,y)是否属于前景，通过当前像素d(x,y)与八邻域的前景像素f8(d(x,y))的差值判断其相似性，diff(d(x,y),f8(d(x,y)))为两者的相似程度，表示为diff(d(x,y),f8(d(x,y)))＝|f8(d(x,y))-d(x,y)|；小于阈值c2的记为1，否则记为0，从而获得ef(x，y)前景图像集合，再重新生成前景图像；

10、5)将分离后的前景图像分割为若干个连续不重叠的子区域，计算每个子区域的灰度直方图；按以下公式计算每个子区域内像素个数分配到每个灰度级的平均值naver：

11、

12、其中，ngray是子区域中灰度级的数量；是子区域x轴方向的像素数量；是子区域y轴方向的像素个数量；

13、剪切每个子区域的灰度直方图进行重新分配,重新分配后，剪切下来像素点剩余数为nlp，被分配像素的步进值由如下公式给出：

14、

15、对剩余像素从最小灰度级开始按上述步进值进行循环分配至像素数为0，最终得到新的直方图；按照新的直方图分布，对图像进行灰度双线性插值，生成边界清晰的增强图像存入数据库，该图像是茶园树冠正投影增强图像，记录其面积为s总1；

16、6)待茶叶生长一段时间后，采用无人机对茶园再次进行正投影摄像；

17、7)将图像按照上述步骤3)-6)进行处理，再比对前次的树冠正投影增强图像，通过改变ostu(fei)的设定阈值范围，去除杂草生长对应的背景，获得新的茶园树冠正投影增强图像，记录茶园树冠正投影面积s总2，对于获得的生长一段时间后的茶园树冠正投影增强图像，以特定波长的光波对应设定灰度阈，选取灰度阈值在设定值的区域的图像作为需要采摘新叶，得到新叶的覆盖面积，根据茶园树冠的不同形状，按如下公式给出茶叶总产量评估值：

18、

19、其中，s新为新叶占据面积，t2为茶叶预估总产量，k为修正系数，t1为初次采茶产量，当树冠为球状树冠时，k取值为4.0-4.5；当树冠为连续垄形树冠时，k取值为3.6-4.0。

20、进一步地，对茶园进行正投影摄像时，限定同样的摄像位点、天气及光照条件。

21、进一步地，步骤7)后，进行实际采摘统计，与评估值进行对比，获得特定茶园的精确修正系数，用于下一次对应相同季节的产量评估。

22、进一步地，步骤7)中，特定波长的光波包括部分绿光光波及部分红光光波，其中绿光光波的波长范围为540-577nm，红光光波的波长为597-630nm。

23、进一步地，当采摘模式选择为独芽、一芽一叶、一芽二叶、一芽三叶；各采摘模式的产量比例为独芽：一芽一叶：一芽二叶：一芽三叶＝1：4：15：30。

24、与现有技术相比，本发明的有益效果在于：

25、1、选择绿光光波的波长范围为540-577nm，红光光波的波长为597-630nm，茶叶的新叶通常是嫩绿色、部分品种的新芽为红芽，540-577nm为嫩绿色、597-630nm的波长为淡红色范围，可以覆盖绝大多数的新叶，同时可以排除枯黄、枯红、深绿的老叶对产量评估产生的影响。

26、2、本发明去除道路、空地、房屋、杂树形成的背景色，仅保留树冠正投影图像，茶叶的生产量与树冠正投影图像呈线型关系，因此，可通过新叶占据总树冠面积的比例预估出茶叶产量。

27、3、本发明通过图像增强手段，对于航拍的图像进行增强处理，使得图像更加清晰，以便于对有效面积进行精确统计，可以消除一部分光投影、叶下暗区造成的统计影响。理论上讲，只要统计出全部的嫩叶面积就能准确估算茶叶产量，但是仅仅以正投影图像检测嫩叶的面积是非常不准确的，因为大量的嫩叶在叶腋之间生长，正投影图像中是被上部的新叶或老叶遮挡，而这些产量和树冠的面积有关，因此，本发明产量评估中引入树冠面积参数，并给出修正系数，可以通过预设的或后续的调整，确定k值，能够给出更为精准的产量预估。

28、4、本发明在预测茶叶产量时，可以排除杂草、枯黄老叶对茶叶产量的预估，使其能获得更加真实的产量评估值，为茶叶的产量预估提供依据，以便进行价值评估及预售。

29、5、本发明可以已实现远程评估，针对不同品种的茶园具有通用性。

30、6、本发明作为农林牧渔技术推广服务中的重要环节，可对茶叶的生产者、技术服务商及其他管理者提供决策参考依据。