[发明专利]一种作物长势识别方法和系统

说明书

本发明提供了一种作物长势识别方法和系统，涉及作物监测技术领域。所述方法包括步骤：获取作物的深度图像、多光谱图像、RGB图像；计算作物株高，分析作物营养状况，识别作物病虫害情况；进行株高评分、营养状况评分和病虫害评分；对评分进行数据融合，计算得到作物的长势评分，若评分低于预设阈值，发出预警信息。本发明通过采集作物的深度图像、多光谱图像、RGB图像，计算得到作物的株高、营养状况、病虫害情况，从而多方面反应作物长势，并进行数据融合，得到综合的作物长势评分，监测的维度多样化，直观反应作物生长情况，避免了观测人员实地采样观测容易受到主观因素影响。

技术领域

本发明涉及作物监测技术领域，更具体地，涉及一种作物长势识别方法和系统。

背景技术

农作物是指农业上栽培的各种植物，包括粮食作物、经济作物等，可食用的农作物是人类基本的食物来源之一，对人类具有重要意义；在农作物的生长发育过程中，需要对农作物的长势进行监测以判断农作物的生长状态是否良好，对农作物长势进行监测是实现农作物稳产和高产的基础。通过对农作物长势进行监测，可以针对农作物的生长状态采取适当的农情操作，如浇水、施肥、打药等，从而提升农作物的产量和质量，因此对农作物长势的监测是十分必要的。传统的农作物长势识别主要通过人工观测的方式，需要观测人员进行实地采样观测，但该方式费时、费力且容易受到主观因素的影响。

公开号为CN107609078A，公开日：2020-04-10，提出的长势识别模型更新方法、传感器、服务器及系统，该发明主要是通过采集作物的光谱数据来获得作物的长势参量数据，进而通过机器学习的方式实现长势识别模型的动态更新，提高了模型的普适度和精度，但该模型仅通过作物的光谱数据进行分析，监测的维度过于单一，决策能力不足。

发明内容

本发明为克服上述技术问题，提供一种监测维度丰富，决策能力强的作物长势识别方法和系统。

本发明技术方案如下：

一种作物长势识别方法，包括步骤：

S1：获取作物的深度图像、多光谱图像、RGB图像；

S2：利用所述深度图像和RGB图像计算作物株高，利用所述多光谱图像分析作物营养状况，利用所述RGB图像识别作物病虫害情况；

S3：根据作物株高、作物营养状况和作物病虫害情况进行评分，得到株高评分、营养状况评分和病虫害评分；

S4：对株高评分、营养情况评分和病虫害评分进行数据融合，计算得到作物的长势评分，若评分低于预设阈值，发出预警信息。

本技术方案通过采集作物的深度图像、多光谱图像、RGB图像，计算得到作物的株高、营养状况、病虫害情况，从而多方面反应作物长势，并对株高评分、营养状况评分和病虫害评分进行数据融合，得到综合的作物长势评分，监测的维度多样化，直观反应作物生长情况，避免了观测人员实地采样观测容易受到主观因素影响。

进一步地，步骤S2利用所述RGB图像识别作物病虫害情况的步骤包括：

S211：采集n张RGB的作物病虫害图像数据并进行人工标注；

S212：按照预设比例将标注好的病虫害图像数据划分为训练集和测试集；

S213：构建深度学习模型，并利用训练集和测试集训练所述深度学习模型；

S214：将采集的作物RGB图像输入训练完成的深度学习模型，得到作物病虫害的评分。

进一步地，步骤S2所述营养状况通过归一化植被指数NDVI表示，所述归一化植被指数NDVI通过多光谱图像中的近红外波段数据和红外波段数据计算得到。

上述技术方案中，归一化植被指数NDVI是反映作物叶绿素相对含量及氮素水平的重要参数，用来表征作物的营养状况。