[发明专利]植物类别识别方法及系统

权利要求书

1.一种植物类别识别方法，其特征在于，包括：

获取目标区域内目标植物在目标特征波段内的光谱数据；

将所述光谱数据输入至目标支持向量机，由所述目标支持向量机输出所述目标植物所属的类别。

2.根据权利要求1所述的植物类别识别方法，其特征在于，还包括：

确定所述目标区域内的植物样本集以及所述植物样本集内每一植物样本所属的类别，并获取每一植物样本的光谱数据；

根据每一植物样本的光谱数据，确定有效特征光谱范围，所述有效特征光谱范围内包括多个特征波段；

对于所述有效特征光谱范围内的每一特征波段，将每一植物样本在每一特征波段内的光谱数据作为输入，每一植物样本所属的类别作为输出，对支持向量机进行训练；

若判断获知训练后的支持向量机的准确率达到预设准确率，则将所述训练后的支持向量机对应的特征波段作为所述目标特征波段，并将所述训练后的支持向量机作为所述目标支持向量机。

3.根据权利要求2所述的植物类别识别方法，其特征在于，所述植物样本集具体包括训练样本子集和测试样本子集；相应地，所述将每一植物样本在每一特征波段内的光谱数据作为输入，每一植物样本所属的类别作为输出，对支持向量机进行训练，具体包括：

将所述训练样本子集中的每一植物样本在每一特征波段内的光谱数据作为支持向量机的输入，所述训练样本子集中的每一植物样本所属的类别作为支持向量机的输出，对支持向量机进行训练；

将所述测试样本子集中的每一植物样本在每一特征波段内的光谱数据作为训练后的支持向量机的输入，获取训练后的支持向量机的输出结果；

比较每一输出结果与所述测试样本子集中对应的植物样本所属的类别，确定训练后的支持向量机的准确率。

4.根据权利要求2所述的植物类别识别方法，其特征在于，所述根据每一植物样本的光谱数据，确定有效特征光谱范围，具体包括：

剔除所述植物样本集内包含有异常光谱数据的植物样本，并对所述植物样本集内其他植物样本的光谱数据进行平均处理，确定光谱数据曲线；

基于所述光谱数据曲线的态势，确定所述有效特征光谱范围。

5.根据权利要求2-4中任一项所述的植物类别识别方法，其特征在于，所述目标区域为花生农田，所述目标植物为花生或杂草。

6.根据权利要求5所述的植物类别识别方法，其特征在于，所述有效特征光谱范围为400nm-900nm。

7.根据权利要求1所述的植物类别识别方法，其特征在于，所述获取目标区域内目标植物在目标特征波段内的光谱数据之前还包括：

基于遥感影像单元获取所述目标植物的原始辐射值；

将所述原始辐射值转化为光谱反射率，将所述光谱反射率作为所述目标植物在整个波段内的光谱数据。

8.一种植物类别识别系统，其特征在于，包括：

光谱数据获取模块，用于获取目标区域内目标植物在目标特征波段内的光谱数据；

类别确定模块，用于将所述光谱数据输入至目标支持向量机，由所述目标支持向量机输出所述目标植物所属的类别。

9.一种电子设备，其特征在于，包括：

至少一个处理器、至少一个存储器、通信接口和总线；其中，

所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行如权利要求1至7中任一项所述的植物类别识别方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7中任一项所述的植物类别识别方法。