[发明专利]一种基于机器学习的火龙果产量预测方法

说明书

本发明公开一种基于机器学习的火龙果产量预测方法，包括以下步骤：（1）无人机遥感：无人机对本批次的火龙果基地进行拍摄并获取遥感影像；（2）遥感影像分析:对所述遥感影像进行图像处理和图像识别；（3）火龙果识别计数：根据步骤（2）的遥感影像计数出遥感影像中火龙果的个数；（4）气象数据特征推算：根据本批次的火龙果生长期间的气象因素通过机器学习进行分析，获取产量影响系数，并通过计算获得预测个数和预测均重；（5）历史产量校准：根据历史产量对预测的做校准获得个数校准系数和均重校准系数；（6）产量预测：通过校准系数校准预测个数和预测重量获得校准预测个数和校准预测均重，得到产量预测。本发明具有推广性、普适性。

技术领域

本发明涉及火龙果产量预测技术领域，更具体地，涉及一种基于机器学习的火龙果产量预测方法。

背景技术

火龙果根系特别发达，无明显主根，根系较浅，多分布2-15cm表土层中；茎蔓上长有攀缘根，攀缘于棚架或其他柱状支撑物向上生长；植株生长旺盛，萌芽力和发枝力较强，一年四季均可生长；无叶片，光合作用靠茎蔓来完成，肉质茎蔓粗壮，呈三角柱形或四棱柱形。火龙果适应性强、速生、早结、果大、丰产、无大小年等优点。

目前，市场上火龙果产量预测还是通过传统的经验做预测，通过地块采样，测量果径，根据基地的面积推算产量，这种方法误差较大，受制于评估人员的经验，且推广性、普适性较低。

发明内容

本发明针对背景技术存在的不足，提供了一种基于机器学习的火龙果产量预测方法，不需要地块采样和测量果径，误差较小，便于计算，具有推广性、普适性。

为解决上述问题，提供一种基于机器学习的火龙果产量预测方法，包括以下步骤：

（1）无人机遥感：无人机对本批次的火龙果基地进行拍摄并获取遥感影像；

（2）遥感影像分析: 对所述遥感影像进行图像处理和图像识别；

（3）火龙果识别计数：根据步骤（2）的遥感影像计数出遥感影像中火龙果的个数；

（4）气象数据特征推算：根据本批次的火龙果生长期间的气象因素通过机器学习进行分析，获取产量影响系数，并通过计算获得预测个数和预测均重；

（5）历史产量校准：根据历史产量对预测的做校准获得个数校准系数和均重校准系数；

（6）产量预测：通过校准系数校准预测个数和预测重量获得校准预测个数和校准预测均重，最终得到产量预测为校准预测个数与校准预测均重的乘积。

特别的，所述步骤（1）中对火龙果基地进行拍摄并获取遥感影像的具体方法为:无人机拍摄火龙果记得的拍摄距离为10m-50m，且为正射影像；利用无人机影像合成软件进行拼接，生成基地完整的遥感影像。

特别的，所述步骤（4）的气象因素为光照时长、光照强度、降雨量、大气温度、平均温度、极限温度。

特别的，所述步骤（2）的图像处理和图像识别的具体步骤为：（1）对所述遥感影像进行颜色描述：将所述遥感影像从RGB颜色空间转换至HSV颜色空间，标记HSV颜色空间中火龙果颜色区域；（2）对所述遥感影像进行纹理描述：对所述遥感影像进行灰度转换，再计算所述遥感影像的灰度共生矩阵和灰度共生矩阵的特征量；计算特征量的平均值和标准差，组成纹理特征向量；标记出符合火龙果纹理特征向量的区域；（3）对所述遥感影像进行形状描述：构建图像尺度空间；对图像尺度空间进行极值检测；寻找稳定的特征点位置；确定特征点的方向；描述符合火龙果形状的特征点；（4）对遥感图像进行自动标注成框。

特别的，步骤（3）具体实施方法为：所述计数出遥感影像中火龙果的个数的方法为计算框的总和。

特别的，步骤（4）具体实施方法为：（1）将历史火龙果个数、历史火龙果均重和气象因素构成数据及；划分70％数据集用做模型构建， 30％数据集用做模型验证；构建产量影响系数与火龙果产量间的回归模型，建模采用机器学习方法，获得预测个数和预测均重。