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：凉山彝族自治州农业科学研究院;四川中烟工业有限责任公司

摘要：本发明涉及智慧农业技术领域，其具体公开了一种基于大数据的烟田施肥效果评估方法及系统。该方法及系统利用土壤实物样品、土壤实时监测数据时间序列、植株实物样品、高光谱遥感图像数据序列和无人机图像数据序列的多源数据，实现了土壤性状评估、植株实物性状评估、植株整体生长情况评估、植株个体生长情况评估和植株病虫害情况评估；利用知识图谱技术对土壤性状进行评估和分析，提升了大量数据指标的处理效率；分别利用高光谱遥感图像和无人机图像各自的特点，有针对性的提取特征向量，利用人工智能技术完成特征向量的识别和分类，选取多种特征值构成特征向量，提升了特征提取的准确性和全面性，最终提升评估结果的准确性。

主权项：1.一种基于大数据的烟田施肥效果评估方法，其特征在于，包括如下步骤：采集土壤实物样品，所述土壤实物样品利用多点取样法获取，对所述土壤实物样品进行处理，得到土壤数据；所述土壤数据包括土壤物理性状数据和土壤化学性状数据；采集土壤实时监测数据时间序列，所述土壤实时监测数据时间序列包括土壤实时湿度序列、土壤实时温度序列和土壤实时pH值序列；对所述土壤实时pH值序列和土壤化学性状数据中的pH值进行融合处理，得到土壤湿度指标、土壤温度指标和土壤pH值指标；土壤性状评估：建立土壤性状知识图谱，建立三元组（Ei,Ej,R），其中Ei表示土壤物理性状实体，为一级节点，其下设置有二级节点，包括土壤紧实度指标、土壤水稳性团聚体指标和土壤酶活性指标；Ej表示土壤化学性状实体，为一级节点，其下设置有二级节点，包括土壤养分指标、土壤湿度指标、土壤温度指标和土壤pH值指标；R表示土壤评价实体，取值包括优、良和差；在所述土壤性状知识图谱中进行实体匹配，得到与当前土壤指标相似度大于预设阈值的三元组，将该三元组对应的土壤评价实体的取值作为当前土壤性状评估结果；采集植株实物样品，对所述植株实物样品进行处理，得到植株数据；所述植株数据包括植株化学性状数据和植株农艺性状数据；植株实物性状评估：预先建立植株性状评估映射表，所述植株性状评估映射表包括不同植株指标值范围对应的等级，等级包括优、良和差三类；通过所述植株实物样品得到所述植株养分指标、株高指标、茎围指标、有效叶片数指标、最大叶面积指标，在预先建立的植株性状评估映射表中进行匹配，得到每一个指标对应的等级，统计每一个等级所对应的指标数量，将指标数量最多的等级作为当前植株实物性状评估结果；采集烟田图像数据序列，所述烟田图像数据序列包括高光谱遥感图像数据序列IS=ISN1,ISR1,ISG1,ISN2,ISR2,ISG2,...,ISNn,ISRn,ISGn，所述IS由n个图像三元组构成，每张图像大小为1024×1024，ISN1,ISR1,ISG1~ISNn,ISRn,ISGn分别表示第1~n张高光谱遥感图像的近红外波段、红光波段和绿光波段的二维空间信息，ISN1~ISNn中每个像素的灰度值表示该像素在近红外波段的反射率，ISR1~ISRn中每个像素的灰度值表示该像素在红光波段的反射率；ISG1~ISGn中每个像素的灰度值表示该像素在绿光波段的反射率；还包括无人机图像数据序列IU=IU1,IU2,...,IUm，其中IU1~IUm表示第1~m张无人机图像数据；所述高光谱遥感图像数据序列IS用于分析植株整体生长情况和特性，所述无人机图像数据序列IU用于分析植株个体生长情况和特性；对所述高光谱遥感图像数据序列进行处理，得到颜色特征向量、纹理特征向量和形状特征向量；对所述高光谱遥感图像数据序列IS进行如下处理：计算第1~n张高光谱遥感图像中每个像素的归一化植被指数NDVI值，将NDVI值映射到图像上，生成n个NDVI分布矩阵；对于每个NDVI分布矩阵作如下操作：将所述分布矩阵划分为64个不相交的16×16的像素块Pb，每个像素块Pb作为一个分割单元，在每个Pb中分别进行NDVI值的直方图统计，直方图的横坐标表示NDVI值，纵坐标表示该NDVI值对应的像素个数，统计每个像素块Pb中的NDVI值分布；利用公式计算类间方差，其中p0和p1分别是烟田区和非烟田区的像素比例，u0和u1分别是烟田区和非烟田区的平均灰度，遍历所有可能的阈值，找到使类间方差最大的阈值T；在每个像素块Pb内利用该像素块对应的阈值T实现区域分割，将所有像素块的分割结果进行拼接，最终得到n张高光谱遥感图像分别对应的烟田区域坐标，利用该烟田区域坐标在原始的高光谱遥感图像中进行处理得到第1~n张高光谱遥感图像的烟田区域在近红外波段、红光波段和绿光波段的二维空间信息，使用三个不同波段的数据合成一张彩色图像，得到n张烟田区域遥感图像数据序列Ireg=（Ireg1,Ireg2,...,Iregn）；植株整体生长情况评估：将所述颜色特征向量、纹理特征向量和形状特征向量拼接融合得到高光谱遥感图像特征向量，将所述高光谱遥感图像特征向量输入到预先训练的人工卷积神经网络模型A中以识别烟田植株整体生长情况类别，所述类别包括优、良和差三类；所述预先训练的人工卷积神经网络A包括1个输入层、1个输出层、3个卷积层、1个池化层和2个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数；将n张高光谱遥感图像的特征向量分别输入到上述模型A中进行识别，统计每张图像所对应的烟田植株生长情况类别，将数量最多的类别作为最终的植株整体生长情况评估结果；对所述无人机图像数据序列IU进行处理得到无人机图像植株特征向量和病虫害特征向量；植株个体生长情况评估：将所述无人机图像植株特征向量输入到预先训练的人工卷积神经网络模型B中以识别烟田植株个体生长情况类别，所述类别包括优、良和差三类；所述预先训练的人工卷积神经网络B包括1个输入层、1个输出层、4个卷积层、1个池化层和1个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数；将m张无人机图像的特征向量分别输入到上述模型B中进行识别，统计每张图像所对应的烟田植株个体生长情况类别，将数量最多的类别作为最终的植株个体生长情况评估结果；植株病虫害情况评估：将所述病虫害特征向量输入到预先训练的人工卷积神经网络模型C中以识别烟田植株病虫害情况类别，所述类别包括严重、一般和轻微三类；所述预先训练的人工卷积神经网络C包括1个输入层、1个输出层、2个卷积层、1个池化层和1个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数；将m张无人机图像的病虫害特征向量分别输入到上述模型C中进行识别，统计每张图像所对应的烟田植株病虫害情况类别，将数量最多的类别作为最终的植株病虫害情况评估结果；输出土壤性状评估结果、植株实物性状评估结果、植株整体生长情况评估结果、植株个体生长情况评估结果和植株病虫害情况评估结果。

全文数据：

权利要求：

百度查询： 凉山彝族自治州农业科学研究院 四川中烟工业有限责任公司 一种基于大数据的烟田施肥效果评估方法及系统