买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院地理科学与资源研究所

摘要：本发明公开了基于深度学习和成像高光谱的银杏苗叶绿素含量反演方法，包括以下步骤：步骤S1：采集及预处理苗木冠层反射高光谱影像；步骤S2：采集及处理苗木叶绿素含量；步骤S3：根据苗木冠层反射高光谱影像以及苗木叶绿素含量，构建植被指数；步骤S4：根据植被指数，构建深度学习模型；解决了现有技术中缺乏针对银杏苗木冠层尺度的研究以及缺乏全年生长周期光谱估测的问题。

主权项：1.基于深度学习和成像高光谱的银杏苗叶绿素含量反演方法，其特征在于，包括以下步骤：步骤S1：采集及预处理苗木冠层反射高光谱影像；步骤S2：采集及处理苗木叶绿素含量；步骤S3：根据苗木冠层反射高光谱影像以及苗木叶绿素含量，构建植被指数；步骤S4：根据植被指数，构建深度学习模型；所述步骤S1包括以下子步骤：子步骤S11：提取反射率；其计算公式为：式中，DNtarget表示拍摄目标、DNnoise表示电子噪声、DNpanel表示白板的DN值，Reftarget表示：拍摄目标反射率、Refpanel表示白板反射率值；子步骤S12：提取叶片纯净像元；利用增强植被指数EVI0.45的阈值来识别植被像素；其中，EVI是对NDVI优化的植被指数，以蓝色波段为增强植被信号，矫正土壤背景和气溶胶散射的影响；子步骤S13：重采用数据；所述子步骤S13包括以下子步骤：子步骤S131：利用ENVI5.3软件波谱库将每盆植株纯净叶片像元的反射率导入，创建波谱库；子步骤S132：从波谱库导出重采样光谱范围为400～900nm，光谱分辨率为1nm的波谱曲线；步骤S2包括以下子步骤：子步骤S21：使用SPAD-502手持式叶绿素仪测定银杏冠层的相对叶绿素含量，用SPAD值表示；子步骤S22：在银杏苗的上层、中层、下层分别选取3片代表性叶片，每叶按两侧均匀分布测定的原则测定6个点位，取均值作为张叶片SPAD值；子步骤S23：测完每盆银杏苗的9张叶片样本后，取其均值作为盆苗木样本最终的SPAD值；所述步骤S3包括以下子步骤：子步骤S31：基于前人的研究结果和银杏叶片的光谱特性，分别针对比值型、归一化型与修正型比值指数筛选出下列光谱指数用于估测银杏叶绿素含量；子步骤S32：在常见植被指数计算的基础上再系统性构造植被指数：分别基于400～900nm的原始反射率光谱R、对数反射率光谱LogR、一阶导数反射率光谱R′，系统构造两波段组成的差值型DVI、比值型RVI、归一化型NDVI、修正型比值mRVI光谱指数，并分别分析这些指数与叶片叶绿素含量的相关关系；DVIRλ1，Rλ2＝Rλ1-Rλ2 其中，λ1、λ2分别代表两个任意波长位置，Rλ1、Rλ2分别代表待选两波段光谱反射率；子步骤S33：系统性构造指数均通过在Matlab语言环境中编程实现；所述步骤S4包括以下子步骤：子步骤S41：利用全波段反射率、常见20种植被指数组合分别输入1D-CNN模型进行训练；子步骤S42：1D-CNN模型中卷积层利用卷积核对光谱数据进行卷积来提取特征信息；子步骤S43：在进行卷积操作后，池化层通常用来降低特征信息的维度，以减少计算成本；子步骤S44：池化层使用了最大池化算法进行降维；子步骤S45：非线性激活函数ReLu能缓解梯度消失的情况，拥有简单的计算方式与快速收敛的特点，来提高卷积神经网络的非线性拟合功能，增强模型的表达能力，其数学公式为： 其中，Rx为激活函数的输出，X为单个神经元接收到的加权输入和偏置项的累加值；子步骤S46：在训练模型方面，使用AdamOptimizer优化器进行随机梯度下降来进行权重的迭代；子步骤S47：1D-CNN在训练模型期间需要对许多超参数进行设置以提高模型性能并防止过度拟合；子步骤S48：使用贝叶斯优化方法来微调超参数，以便当准确性开始下降时，自动停止迭代。

全文数据：

权利要求：

百度查询： 中国科学院地理科学与资源研究所 基于深度学习和成像高光谱的银杏苗叶绿素含量反演方法