(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210324682.6 (22)申请日 2022.03.30 (71)申请人 农业农村 部南京农业机 械化研究所 地址 210095 江苏省南京市玄武区柳营10 0 号 (72)发明人 李亦白　曹光乔　陈聪　刘东　 马斌　 (74)专利代理 机构 南京天华专利代理有限责任 公司 32218 专利代理师 刘畅 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/17(2022.01) G06V 20/68(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01N 21/25(2006.01) (54)发明名称 基于无人机多光谱遥感的小麦赤霉病预防 植保作业时间判定方法 (57)摘要 本发明公开了一种基于无人机多光谱遥感 的小麦赤霉病预防植保作业时间判定方法， 它包 括： S1、 使用多光谱相机采集小麦抽穗扬花期的 冠层光谱信息； S2、 基于冠层光谱信息， 使用一维 卷积神经网络提取影响抽穗率的特征数据； S3、 基于特征数据， 使用决策树模型构建小麦抽穗 率‑冠层光谱信息的回归分析模型； S4、 以待预测 小麦田采集到的特定波段组合的多光谱信息作 为输入数据， 通过S3获得的回归分析模 型获取小 麦出穗情况， 根据 《2016年小麦赤霉病防控技术 指导意见》 中对赤霉病防治时期的要求， 当抽穗 率大于0.9时， 则判定小麦已经处于赤霉病防治 期。 本申请提供的方案可为小麦抽穗期统防统治 时间和策略确定提供作物数据支撑 。 权利要求书1页 说明书8页 附图5页 CN 114821300 A 2022.07.29 CN 114821300 A 1.一种基于无人机多光谱遥感的小麦赤霉病预防植保作业 时间判定方法， 其特征在于 它包括： S1、 使用多光谱相机采集小麦抽穗扬花期的冠层光谱信息； S2、 基于冠层光谱信息， 使用一维卷积神经网络提取影响抽穗 率的特征数据； S3、 基于特 征数据， 使用决策树模型构建小麦抽穗 率‑冠层光谱信息的回归分析模型； S4、 以待预测小麦田采集到的特定波段组合的多光谱信息作为输入数据， 通过S3获得 的回归分析模 型获取小麦出穗情况， 当抽穗率大于0.9时， 则判定小麦已经 处于赤霉病防治 期。 2.根据权利要求1所述的方法， 其特征在于S1中使用无人机搭载多光谱相机采集小麦 抽穗扬花期的冠层光谱信息 。 3.根据权利要求1所述的方法， 其特征在于S1中， 在待预测小麦田中放置 固定尺寸的标 准板， 获取 标准校正区域 光谱作为遥感数据的辐射校正数据， 校正公式： 式中， I表示某波段感兴趣区域的平均光谱值， W表示该天该波段标准白板校正区域光 谱均值， B表示该天将镜头盖住时该波段的像素均值， CI为经过辐射校正后该天该波 段的光 谱反射率。 4.根据权利要求1所述的方法， 其特征在于S2中， 所述特征数据为经过一维卷积神经网 络计算后的全卷基层数据。 5.根据权利要求1所述的方法， 其特 征在于S2中， 特 征数据的获取步骤为： S2‑1、 构建一维卷积神经网络， 包括5层卷积层， 每层卷积层使用LeakyRelu函数作为激 活函数， 后三层增加了dropout模块， 提高网络的训练速度和泛化性能， dr opout的概率设置 为0.1； 第三层网络提取的特征与第五层网络提取的特征融合起来， 再输入到全连接层； 卷 积神经网络中的卷积核均为 1维， 卷积核权重初始采用随机数方法， 由于输入维度为4， 因此 卷积核的大小为1， 步长为1， 采用 ‘same’方法对数据进行 卷积操作； S2‑2、 一维卷积神经网络训练完成后， 提取全连接层中的输出作为特 征数据。 6.根据权利要求1所述的方法， 其特征在于S3中， 将特征数据输入到决策树中， 使用决 策树对特 征信息进行回归分析， 拟合小麦抽穗 率。 7.根据权利要求5所述的方法， 其特征在于S2 ‑1中， 一维卷积神经网络的训练目标函数 为： 式中， n为整个数据集数据数量， pi为预测值， ai为真实值。 8.根据权利要求5所述的方法， 其特征在于S2 ‑1中， 使用Adam方法优化卷积核的权重， 其中， 学习率 为lr＝0.002， 衰减速率 ＝1e‑9， 动量＝0.5， epoc h＝1000。 9.根据权利要求1所述的方法， 其特征在于S4中， 所述特定波段组合为550nm、 660nm、 730nm以及790nm。权　利　要　求　书 1/1 页 2 CN 114821300 A 2基于无人机多光谱遥感的小 麦赤霉病预防植 保作业时间判定 方法 技术领域 [0001]本发明属于智慧农 业领域， 尤其是一种基于无人机多光谱遥感的小麦赤霉病预防 植保作业时间判定方法。 背景技术 [0002]小麦是重要的粮食作物， 保证小麦产量与品质是保证粮食安全的重要环节。 赤霉 病是一种世界性的小麦病害， 严重影响小麦产量。 根据农业农村部发布的 《2016年小麦赤霉 病防控技术指导意见》 以及相关农艺要求坚持以 “预防为主 ”的总体防治思想， 由于赤霉病 发病具有传染性强、 治愈难、 产量影响大的特点， 赤霉病以预防控制为防治重点， 兼顾白粉 病、 蚜虫、 黏虫等其他病虫害防控， 意见中指出小麦齐穗至扬花初期是预防控制小麦赤霉病 发生的最佳时期。 农药喷洒时间对病害的预防效果有较大 的影响， 赤霉病的预防控制作业 时间与小麦抽穗率有较大 的关联， 在实际生产作业中， 小麦的抽穗率监测主要依靠人工巡 查， 巡查效率低且主观性 强。 因此， 快速准确掌握小麦抽穗率对小麦赤霉病防治效果有重要 意义。 除此之外， 研究与实验表明， 掌握作物作业时间窗口对植保机械作业策略规划， 提高 植保作业效果与效率具有重要意 义。 [0003]目前针对小麦 的生理指标监测研究主要集中在小麦 的拔节期、 开花期或灌浆期， 监测目标为小麦的叶绿素、 叶面积指数等指标， 也有部分研究针对小麦赤霉病发病后的监 测， 但缺少针对抽穗扬花期小麦赤霉病 预防作业时期监测的研究。 基于无人飞机的低空遥 感技术具有机动性能高、 操作简单安全等优点被应用于作物长势监测中。 多光谱相 机较普 通数码相 机可获得更多波段信息， 较高光谱相 机具有更经济的价格， 该硬件在监测效果与 经济成本上更具优势。 常见 的多光谱信息处理方法有： 神经网络、 支持向量机、 决策树等简 单特征提取方法， 都可达到较好的目标拟合精度。 以往以叶绿素、 叶面积、 氮素变化为研究 目标的实验过程数据采集时间间隔较长， 作物生长状态有较大变化， 因此对拟合模型特征 提取能力要求较低。 小麦在抽穗扬花期除抽穗率变化速度较快外， 其他特征变化不明显， 因 此对回归模型的特征提取与表达能力有较高的要求。 综上所述， 小麦赤霉病预防存在： 植保 作业时间判定信息采集效率低且主观性强的问题。 发明内容 [0004]本申请针对背景技术中存在的问题， 拟采用无人机搭载多光谱相机采集小麦抽穗 扬花期的冠层光谱信息， 在此基础上设计一种一维卷积神经网络对光谱信息进行特征提 取， 拟合小麦抽穗率。 根据小麦赤霉病 预防植保时间要求建立一种小麦赤霉病预防植保作 业判别模型， 为小麦抽穗期统防统治时间、 智能植保设备作业策略的确定提供作物状态快 速判别方法。 [0005]技术方案： [0006]一种基于无 人机多光谱遥感的小麦赤霉病预防植保作业时间判定方法， 它包括：说　明　书 1/8 页 3 CN 114821300 A 3