uno. Prólogo

Como uno de los tres principales cultivos alimentarios del mundo, el trigo es40%Fuente de alimento básico para la población. Como uno de los principales cultivos alimentarios de china, el trigo se cultiva en una amplia gama.El Estado de crecimiento de las variedades especiales de trigo desempeña un papel importante en el desarrollo de la economía nacional de china, por lo que es importante paraEl monitoreo eficiente y no destructivo del crecimiento del trigo se ha vuelto particularmente importante para predecir el rendimiento del trigo de manera oportuna y precisa.

II. ideas técnicas y contenidos principales

El espectro olímpico es perfecto.Utilizando la producción nacionalImagero multiespectral,Con diez variedades diferentes de trigo como objeto de investigación, por un lado, se utilizan datos de imagen de floración temprana y tardía de trigo recogidos por cámaras multiespectrales, y se utiliza el índice de vegetación calculado por imágenes para construir un modelo de inversión de clorofila de floración temprana y tardía de trigo bajo diferentes cámaras; Por otro lado, se utiliza el multiespectro de drones para obtener imágenes de alta resolución A medio plazo del relleno de trigo, y se construye un modelo de inversión de clorofila y rendimiento de trigo a medio plazo del relleno de trigo basado en características de color e índice de vegetación.

Imagen1 Ruta técnica general

Lo que hay que lograr:

1(...)Preprocesamiento de imágenes multiespectrales: al utilizar imágenes multiespectrales para capturar imágenes visibles y multiespectrales en campos de trigo, para garantizar la unidad del procesamiento de imágenes posteriores, es necesario establecer artificialmente parámetros como el tiempo de exposición y la apertura con antelación. Después de la adquisición de la imagen, para facilitar el uso cuantitativo de los experimentos posteriores, la adquisición de los datos de la imagen requiere operaciones de preprocesamiento como corrección de radiación, empalme de impacto, corrección ortofotográfica, corrección geométrica y Corte de la imagen.

2(...)Inversión del contenido de clorofila del trigo basada en imágenes visibles y multiespectrales: en10Se utilizaron cámaras de luz visible y multiespectrales para obtener datos de imagen de las etapas tempranas y tardías de la floración del trigo. A través del análisis de correlación entre el contenido medido de clorofila de trigo y las dos imágenes, se calcula el índice de cubierta de plantación múltiple, y se selecciona el índice de vegetación para invertir el contenido de clorofila de trigo *. Finalmente, sobre la base del índice de vegetación seleccionado, se estableció un modelo de inversión del contenido de clorofila en el período de floración y la etapa avanzada de xiaomai bajo diferentes cámaras.

3(...)Inversión de clorofila y rendimiento de trigo basada en imágenes de drones de alta resolución: obtenida con cámaras multiespectrales transportadas por dronesDatos de imagen de la etapa media del relleno de trigo. Se introdujo el algoritmo de mínimos cuadrados parciales para seleccionar las múltiples características más relevantes para los parámetros medidos como variables independientes, y se construyeron modelos de inversión de clorofila y rendimiento de trigo a medio plazo del relleno de trigo, respectivamente.

4) NadieFase multiespectral a bordoEl avión vuela una vez al mes y se basa en datos de imágenes de monitoreo de series temporales largas, proporcionando así una base de referencia para el monitoreo preciso.

Puntos técnicos

Preprocesamiento de imágenes multiespectrales

Debido a las limitaciones de las características propias del sensor, el clima y otros factores, es inevitable que se produzcan errores en el proceso de adquisición de datos, que no solo reducirán la calidad de los datos de imagen, sino que también afectarán la precisión del análisis posterior. Por lo tanto, antes de realizar el análisis de imágenes de teleobservación multiespectrales, es necesario realizar imágenes originales.Operación de preprocesamiento. El diagrama de flujo de preprocesamiento de datos de imagen se muestra en la imagen.2Mostrado.

Imagen2 Diagrama de flujo de preprocesamiento de datos de imagen

（1）Corrección por radiación:El dron está en vuelo，Dependiendo de la luz y las condiciones meteorológicas，Las imágenes obtenidas están enReunión de dimensión espectralGenerar distorsiones.ParaGarantizarVerificar que la tarea de empalme de imágenes de seguimiento se completó con éxito, Es necesario corregir los datos por radiación. La corrección de radiación de la imagen de luz visible en este artículo utiliza artefactos. Ley de objetos terrestres estándar- -Método de pizarra blanca，Convertir el valor de la imagen en reflectividad de la imagen a través de la reflectividad medida por el objetivo terrestre，Lo suficientemente realRefleja la reflectividad de la superficie.，De esta manera, se cumplen los requisitos y propósitos de la prueba..La corrección de radiación de la imagen multiespectral esusarEl espectro olímpico es perfecto.El software de procesamiento de datos que viene con el imagero multiespectral se completa.

（2）Corrección ortofotográfica:Cuando el dron recoge datos de imagen，Fuselaje afectado por el viento naturalNoSe puede evitar un temblor.、Inclinación, etc.、Al mismo tiempo, la lente de la Cámara también causará deformación de la proyección debido a cambios en la postura de vuelo.，Por lo tanto, es necesario corregir positivamente la imagen..La corrección ortofotográfica se basa en la función de transformación de corrección para transformar los píxeles de la imagen original uno por uno en el sistema de coordenadas de la imagen de corrección.. su proceso de procesamiento se muestra en la figura3Se muestra.

Imagen3 Proceso de procesamiento de corrección ortofotográfica de imágenes de drones

（3) geometríaCorrección:Debido a la precisión limitada del sistema de posicionamiento propio del dron y la vulnerabilidad a factores externos como el flujo de aire aéreo, la velocidad del viento y la dirección del viento durante el vuelo, hay errores entre las coordenadas geográficas y las coordenadas reales para obtener la imagen, por lo que es necesario tomar fotos aéreas a través de los datos de coordenadas del sistema de posicionamiento de alta precisión del punto de control terrestre.Haz una corrección geométrica.

Regresión parcial de mínimos cuadrados

En la práctica, a menudo se ha encontrado la necesidad de estudiar la interdependencia entre dos conjuntos de múltiples variables relacionadas y estudiar el uso de un conjunto de variables (variables independientes o predictivas) para predecir otro conjunto de variables (variables dependientes o variables de respuesta), además del análisis clásico de regresión lineal múltiple bajo el criterio de mínimos cuadrados ()MLR), análisis de regresión de componentes principales para la extracción de componentes de componentes variables independientes ()PCRAdemás de otros métodos, hay mínimos cuadrados parciales desarrollados en los últimos años.PLS) Método de retorno.

La regresión de mínimos cuadrados parciales proporciona un método de modelado de regresión lineal múltiple a múltiple, especialmente cuando hay un gran número de variables en ambos grupos y hay múltiples correlaciones, mientras que el número de datos de observación (tamaño de muestra) es pequeño, el modelo establecido con la regresión de mínimos cuadrados parciales tiene ventajas que los métodos tradicionales como el análisis de regresión clásica no tienen. El análisis de regresión de mínimos cuadrados parciales concentra las características del análisis de componentes principales, el análisis de correlación típico y el método de análisis de regresión lineal en el proceso de modelado, por lo que en los resultados del análisis, además de proporcionar un modelo de regresión más razonable, también puede Al mismo tiempo, se completan algunos contenidos de investigación similares al análisis de componentes principales y el análisis de correlación típica, proporcionando más contenido., alguna información en profundidad.

Fórmula de cálculo de varios índices de vegetación

Tabla1 Fórmula de cálculo del índice de vegetación

IV. ejecución del programa

4.1muchoServicio de vuelo de drones espectrales

Las imágenes multiespectrales se refieren a la capacidad de obtener múltiples bandas espectrales al mismo tiempo (generalmente mayores o iguales).3Y la tecnología de detección espectral que se expande hacia la luz infrarroja y la luz ultravioleta sobre la base de la luz visible. El método común de implementación es a través de varios filtros o una combinación de divisores de luz y sensores de imagen digitales para que reciban el mismo objetivo en diferentes momentos.EstrechoLas señales ópticas radiadas o reflejadas en el rango de bandas espectrales obtienen fotos del objetivo en varias bandas espectrales diferentes.Las imágenes multiespectrales son obtenidas por Espectrómetros de imagen. los imágenes multiespectrales son un dispositivo capaz de obtener características espectrales e información de imágenes espaciales al mismo tiempo, y son una dirección importante en el desarrollo de sistemas de imágenes fotoeléctricas. El sistema de imágenes multiespectrales puede proporcionar3A20Imágenes de varias bandas no continuas y se han utilizado ampliamente en los campos de la agricultura y la alimentación. Desde el punto de vista del principio de imagen, la tecnología de imagen multiespectral consiste en dividir las señales ópticas incidente de banda completa o ancha en varias bandas.EstrechoLos haces de luz de la banda, luego se visualizan por separado en los detectores correspondientes, obteniendo así imágenes de diferentes bandas espectrales.Por lo tanto, aprovechar másLas características espectrales pueden separar la vegetación de la no vegetación y combinarse con drones, lo que puede lograrAnálisis del Estado de salud de la vegetación.

Hay muchos drones.El espectro tiene las siguientes características:

Velocidad de recolección rápida.Debido a que el multiespectro recoge relativamente pocas bandas, la velocidad de recolección es relativamente rápida.V;

Baja complejidad.Debido a la limitación del número de bandas, la complejidad multiespectral es baja, es más fácil de entender y aplicar, y el trabajo de procesamiento es relativamente pequeño.

La cantidad de datos es Rica. A medida que aumenta el número de bandas, la cantidad de datos aumenta exponencialmente. Puede proporcionar información de dominio espacial e información de dominio espectral, es decir“Mapa en uno",Y la curva espectral obtenida por el espectrómetro de imágenes puede compararse con la curva espectral de características similares medida en el suelo.

En el área de investigación planificada, según la demandaAltura de recolecciónImagen espectral. Los pasos específicos son los siguientes:

Configuración del extremo del dron: ensamblar el equipo hiperespectral del dron, establecer la altura y la velocidad de la aeronave, superponer la imagen de acuerdo con los parámetros de la CámaraDemanda de gradoEstablecer el espaciamiento de las rutas de imagen;

Configuración del lado de la cámara: establecer la tasa de fotogramas de la Cámara de acuerdo con la alta velocidad de navegación y establecer el tiempo de integración (tiempo de exposición) de acuerdo con el valor de medición de la pizarra blanca;

Pizarra blanca de reflectividad estándar: coloque la pizarra blanca de reflectividad estándar en el área de la ruta, y debe tomar la pizarra blanca al recoger la imagen.

Imagen8 Diagrama esquemático de la adquisición de datos hiperespectrales del dron

4.2Procesamiento de imágenes hiperespectrales de drones

Después de la adquisición de datos de imágenes hiperespectrales del dron, es necesario realizar los siguientes trabajos de preprocesamiento:

Calibración de longitud de onda: las imágenes originales recogidas no tienen información de longitud de onda y necesitan agregar archivos de calibración de longitud de onda;

Corte de imágenes: hiperespectral conEmpuje y barridoImágenes, es necesario cortar las imágenes recogidas de la zona de medición;

Registro y empalme: registro geográfico o registro relativo de la imagen de la zona de medición cortada, y luego empalme la imagen registrada en una imagen completa;

Corrección por radiación: los valores de la imagen original representan la intensidad del reflejo y requieren el uso de valores y etiquetas de reflexión de pizarra blanca.La cuasi - reflectividad se corrige para calcular la reflectividad de toda la imagen.

Descomposición espectral mixta: los datos espectrales recogidos por el dron se basan en imágenes de resolución espacial, lo que resulta en que un píxel puede ser promedio mixto de diferentes características o vegetación. para mejorar la precisión, es necesario realizar operaciones de descomposición espectral mixta de imágenes;

（6Filtro espectral (suavizado): hay cierto ruido en la información espectral de la imagen original, que requiere filtrado espectral antes de su aplicación.

Interfaz del software de procesamiento de imágenes espectrales:

Imagen9 Diagrama esquemático de la interfaz del software de procesamiento de imágenes hiperespectrales del dron

4.3Adquisición de datos de muestras físicas

El espectro olímpico es perfecto.El objetivo de la investigación in situ es proporcionar muestras de entrenamiento reales del modelo de clasificación in situ y muestras de inspección de los resultados de clasificación para la clasificación de imágenes de teleobservación de drones, utilizando imágenes hiperespectrales y Espectrómetros de características producidas en todo el país. El contenido principal de la investigación in situ es medir el cuello de la espiga infectada.PesteDatos espectrales del arroz, recogidos por el espectrómetro de características terrestresToda la peste del cuello de espigaLos datos espectrales del arroz se clasifican en diferentes grados de infección como un conjunto estándar de datos de muestras de entrenamiento para el procesamiento de datos de imágenes hiperespectrales de drones.

4.4Análisis de los resultados

Imagen12 Resultados de la inversión del contenido de agua de la vegetación

4.4.1Fiabilidad de los resultados estimados

La inspección de precisión del modelo se puede realizar de acuerdo con el error de seguimiento cuadrado promedio.Error cuadrado medio de la raíz, RMSE) y el coeficiente de correlación..r) dos indicadores para el análisis.

En la fórmula,nEs el número de muestras,Como muestraiValores medidos en laboratorio,Es el promedio de todas las muestras verificadas;Para utilizar los valores de predicción del modelo,Es el promedio de los valores predictivos de todas las muestras verificadas correspondientes.RMSECuanto menor sea el valor,RCuanto mayor sea el valor del coeficiente de correlación, mayor será la precisión del modelo.

4.4.2Factores que influyen en la precisión de la estimación

Los factores que afectan la precisión de los resultados de la inversión incluyen principalmente los siguientes aspectos:

1. Datos espectrales: afectados por el impacto ambiental y las operaciones humanas de incertidumbre en la adquisición de datos en el campo, guíaHay ciertas diferencias en la calidad de las imágenes hiperespectrales tomadas. Pero este factor no es el factor principal.

2. Datos medidos: los datos medidos incluyen datos espectrales de las hojas y datos cuantitativos de medición de parámetros. Afectados por instrumentos, equipos y factores de operación humana, estos dos datos medidos pueden tener ciertos errores, pero tienen un menor impacto en los resultados de la inversión. Es importante que la diferencia de tiempo a la hora de medir estos dos valores medidos sea uno de los principales factores del modelo de inversión de imágenes. Trate de evitar la medición durante mucho tiempo después de la recolección de las hojas y asegúrese de que la medición espectral y la medición cuantitativa de los parámetros se realicen simultáneamente.

3. Modelo de inversión: la construcción del modelo de inversión es el principal factor que afecta la precisión de la inversión. Afectado por la selección del espectro característico, la forma de las variables y la forma del modelo de inversión, los resultados de la inversión son muy inciertos.