[发明专利]塑料大棚内作物生长期遥感监测方法和电子设备

权利要求书

1.一种塑料大棚内作物生长期遥感监测方法，其特征在于，包括：

获取作物所在塑料大棚的遥感影像；

基于所述遥感影像进行对象特征提取；所述对象特征包括光谱特征、形状特征以及纹理特征；

将所述光谱特征、所述形状特征以及所述纹理特征输入预设的作物生长期分类模型；其中，所述作物生长期分类模型是通过不同地物的所述光谱特征、所述形状特征以及所述纹理特征训练得到的；

基于所述作物生长期分类模型的预测结果判断作物生长期情况。

2.根据权利要求1所述的塑料大棚内作物生长期遥感监测方法，其特征在于，

所述光谱特征包括作物生长期参数以及常规特征；

其中，所述作物生长期参数基于所述遥感影像红波段的反射率和绿波段的反射率获得；

所述常规特征包括所述遥感影像中目标对象的亮度值以及所述遥感影像中目标对象的归一化植被参数。

3.根据权利要求2所述的塑料大棚内作物生长期遥感监测方法，其特征在于，所述作物生长期参数基于以下公式获得：

其中，NDPG表示作物生长期参数；R_red和R_green分别代表遥感影像中红波段的反射率和绿波段的反射率。

4.根据权利要求3所述的塑料大棚内作物生长期遥感监测方法，其特征在于，所述作物生长期分类模型为决策树模型，所述获取作物所在塑料大棚的遥感影像的步骤之前还包括：

获取不同地物的样本数据，选取所述样本数据中第一预设比例的样本数据作为训练集，选取所述样本数据中第二预设比例的样本数据作为验证集；

设置决策树的最大深度、最大特征数量、所述光谱特征、所述形状特征以及所述纹理特征；

从根结点开始，根据预设特征对所述训练集进行测试，根据测试结果将测试后的所述训练集分配到子结点；

对所述训练集递推进行特征测试再分配，直至达到叶结点，以递归方式生成决策树模型。

5.根据权利要求3所述的塑料大棚内作物生长期遥感监测方法，其特征在于，所述作物生长期分类模型为随机森林模型，所述获取作物所在塑料大棚的遥感影像的步骤之前还包括：

获取不同地物的样本数据，选取所述样本数据中第三预设比例的样本数据作为训练集，选取所述样本数据中第四预设比例的样本数据作为验证集；

设置决策树的个数、最大深度、最大特征数量、所述光谱特征、所述形状特征以及所述纹理特征；

从所述训练集中随机有放回的抽取s个样本，进行n次采样后，得到n个采样训练集；

分别基于每个所述采样训练集建立模型，得到n个决策树模型；生成的n个所述决策树组成随机森林模型。

6.根据权利要求1所述的塑料大棚内作物生长期遥感监测方法，其特征在于，所述获取作物所在塑料大棚的遥感影像的步骤之后，还包括：

对所述塑料大棚的遥感影像进行预处理操作，所述预处理操作包括辐射校正、大气校正、几何校正以及影像融合中的至少一种。

7.根据权利要求6所述的塑料大棚内作物生长期遥感监测方法，其特征在于，所述对所述塑料大棚的遥感影像进行预处理操作的步骤之后，所述基于所述塑料大棚的遥感影像进行对象特征提取的步骤之前，还包括：

对所述遥感影像进行影像分割，所述影像分割基于分割尺度、形状参数、以及紧密度参数中的至少一种参数进行分割。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述塑料大棚内作物生长期遥感监测方法的步骤。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述塑料大棚内作物生长期遥感监测方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述塑料大棚内作物生长期遥感监测方法的步骤。