【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于水稻脅迫分類，具體涉及水稻光譜脅迫指數(shù)構(gòu)建方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、水稻生長(zhǎng)過程中會(huì)遭受多種生物與非生物脅迫，例如干旱、肥害和病害脅迫，其產(chǎn)量和品質(zhì)可能受到影響。這些脅迫的影響機(jī)制和表現(xiàn)形式各異，在實(shí)際田間管理中，不同脅迫的癥狀往往難以區(qū)分，因此，準(zhǔn)確分析水稻受到的脅迫因素在實(shí)際種植生產(chǎn)中具有重要意義。
2、傳統(tǒng)的水稻脅迫診斷方法可分為田間觀測(cè)、實(shí)驗(yàn)室檢測(cè)或固定波段的植被指數(shù)計(jì)算。田間觀測(cè)主要依靠經(jīng)驗(yàn)豐富的農(nóng)業(yè)技術(shù)人員對(duì)水稻植株進(jìn)行觀察和評(píng)估，但該方法具有較大的主觀性，容易受到觀察者經(jīng)驗(yàn)水平和判斷標(biāo)準(zhǔn)不一致的影響，導(dǎo)致診斷結(jié)果存在偏差，且難以察覺輕微脅迫或脅迫早期階段的微小變化，往往只能在脅迫癥狀顯現(xiàn)后才能做出判斷，容易錯(cuò)過最佳干預(yù)時(shí)機(jī)。實(shí)驗(yàn)室檢測(cè)（如pcr診斷）雖然能夠提供精確的診斷結(jié)果，但其操作步驟復(fù)雜，檢測(cè)過程通常需要采集樣本并經(jīng)過一系列化學(xué)處理，這不僅耗時(shí)費(fèi)力，還需要昂貴的專業(yè)儀器和技術(shù)人員支持。此外，由于實(shí)驗(yàn)室檢測(cè)通常需要破壞性采樣，無法實(shí)現(xiàn)對(duì)同一植株的連續(xù)監(jiān)測(cè)，限制了其在脅迫追蹤研究中的應(yīng)用價(jià)值。在田間環(huán)境下，脅迫評(píng)估常使用植被指數(shù)評(píng)估水稻的健康情況，如歸一化植被指數(shù)（normalizeddifference?vegetation?index，ndvi），ndvi通過紅光和近紅外波段反射率計(jì)算而得，常用于監(jiān)測(cè)植被分布、變化及健康狀況；比值植被脅迫指數(shù)（ratio?vegetation?stress?index，rvsi）則通過比較紅光和近紅外波段的反射率，評(píng)估植被脅迫程度，
3、近年來，基于rgb圖像訓(xùn)練的模型在水稻脅迫分析方面已取得進(jìn)展，但僅靠rgb圖像還難以深入分析影響水稻健康的具體脅迫原因，這仍是當(dāng)前研究和實(shí)際應(yīng)用中的一大挑戰(zhàn)。rgb圖像獲得的脅迫信息有限，且局限于葉片表面，而高光譜圖像提供了豐富的光譜信息，能夠獲得不局限于葉片表面如葉片內(nèi)部物質(zhì)含量變化的信息，捕捉在不同脅迫下水稻葉片的細(xì)微光譜特征，有助于挖掘不同脅迫下的敏感波段，實(shí)現(xiàn)更精準(zhǔn)的脅迫分析。
4、當(dāng)前不同脅迫下水稻葉片特征波段提取以及脅迫指數(shù)構(gòu)建方法仍存在一些不足，主要包含以下幾個(gè)方面：
5、1.特征波段選擇不精確：傳統(tǒng)方法在提取水稻病害的特征波段時(shí)，通常依賴于通用植被指數(shù)或已有經(jīng)驗(yàn)，缺乏針對(duì)不同脅迫下水稻光譜數(shù)據(jù)的全面分析。這導(dǎo)致提取的特征波段無法準(zhǔn)確表征不同脅迫下水稻的典型光譜特征，進(jìn)而影響分析的準(zhǔn)確性。
6、2.缺少多波段信息融合：水稻的光譜響應(yīng)涉及多個(gè)敏感波段，依賴少量波段計(jì)算得到的指數(shù)無法全面反應(yīng)水稻受脅迫情況。同時(shí)，現(xiàn)有方法中多波段信息的融合效果有限，未能通過深度學(xué)習(xí)等技術(shù)充分挖掘病害高光譜圖像波段間的相關(guān)性，限制了脅迫分析的可靠性。
7、現(xiàn)有的植被指數(shù)缺乏針對(duì)性，無法準(zhǔn)確反映水稻脅迫特征：當(dāng)前植被指數(shù)多以通用性指標(biāo)為基礎(chǔ)，未能充分結(jié)合不同脅迫下水稻特有的光譜反應(yīng)特征，在識(shí)別脅迫類別時(shí)，植被指數(shù)的特異性和敏感性較低，無法直接應(yīng)用。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述存在的問題，提出了本專利技術(shù)。
2、因此，本專利技術(shù)解決的技術(shù)問題是：提升特征波段選擇精度，本專利通過生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的特征波段選擇方法。生成對(duì)抗網(wǎng)絡(luò)能夠從大量高光譜數(shù)據(jù)中自動(dòng)學(xué)習(xí)并提取水稻在不同脅迫下的特征光譜波段，有效解決傳統(tǒng)方法中依賴經(jīng)驗(yàn)或通用植被指數(shù)導(dǎo)致的提取精度不足的問題。該方法能夠準(zhǔn)確捕捉水稻在病害脅迫下的關(guān)鍵光譜變化特征，為脅迫指數(shù)構(gòu)建奠定堅(jiān)實(shí)基礎(chǔ)。
3、實(shí)現(xiàn)多波段信息的高效融合，本專利技術(shù)針對(duì)水稻在脅迫下光譜響應(yīng)涉及多個(gè)敏感波段，但現(xiàn)有方法中多波段信息融合不足的問題，提出了基于生成對(duì)抗網(wǎng)絡(luò)的多波段融合策略。通過生成器提取并融合高光譜數(shù)據(jù)中多個(gè)敏感波段的信息，判別器評(píng)估融合特征的有效性，實(shí)現(xiàn)對(duì)波段間潛在相關(guān)性的動(dòng)態(tài)挖掘與優(yōu)化，克服傳統(tǒng)方法中波段利用率低、信息表達(dá)不全面的局限性，生成的特征能夠全面反映水稻在干旱、肥害、病害等脅迫下的光譜響應(yīng)特性，提升脅迫指數(shù)的敏感性、特異性及脅迫診斷的準(zhǔn)確性和可靠性。
4、開發(fā)針對(duì)性更強(qiáng)的水稻脅迫指數(shù)，本專利技術(shù)在特征波段準(zhǔn)確提取和多波段信息融合的基礎(chǔ)上，優(yōu)化生成對(duì)抗網(wǎng)絡(luò)中的波段權(quán)重，選擇出對(duì)脅迫指數(shù)效果最優(yōu)的前五個(gè)波段，得到脅迫指數(shù)的關(guān)鍵波段與波段系數(shù)。通過生成對(duì)抗網(wǎng)絡(luò)的優(yōu)化迭代，最終得到的脅迫指數(shù)能夠全面反映水稻在各種脅迫下的響應(yīng)和變化，具有更高的敏感性和特異性，能夠有效地區(qū)分干旱、肥害、病害等脅迫類型，滿足精細(xì)化脅迫診斷的需求。
5、為解決上述技術(shù)問題，本專利技術(shù)提供如下技術(shù)方案：水稻光譜脅迫指數(shù)構(gòu)建方法，包括：便用便攜式高光譜相機(jī)實(shí)地進(jìn)行定期拍攝不同組別的水稻葉片，得到原始高光譜圖像；對(duì)原始的高光譜圖像進(jìn)行黑白矯正，得到矯正后的高光譜圖像；對(duì)不同脅迫下的水稻葉片進(jìn)行感興趣區(qū)域提取，并計(jì)算平均光譜數(shù)據(jù)；對(duì)平均光譜數(shù)據(jù)進(jìn)行sg平滑濾波器處理；使用生成對(duì)抗網(wǎng)絡(luò)提取貢獻(xiàn)度最高的50個(gè)特征波段；將特征波段對(duì)應(yīng)的平均光譜數(shù)據(jù)作為模型輸入數(shù)據(jù)輸入隨機(jī)森林分類模型，得到模型分類結(jié)果；同時(shí)篩選前5的特征波段及對(duì)應(yīng)權(quán)重構(gòu)建光譜指數(shù)，得到脅迫指數(shù)劃分脅迫類別；將模型分類結(jié)果和脅迫類別判斷葉片所屬組別，輸出水稻的脅迫原因。
6、作為本專利技術(shù)所述的水稻光譜脅迫指數(shù)構(gòu)建方法的一種優(yōu)選方案，其中：所述原始高光譜圖像，包括，
7、采用便攜式高光譜相機(jī)，自然太陽光作為光源，采用固定反射率為0.9的白板作為參照；
8、通過活體拍攝方式獲取水稻葉片光譜信息；
9、動(dòng)態(tài)調(diào)整高光譜相機(jī)的光照信號(hào)量保持在3000-4000；
10、數(shù)據(jù)采集在田間環(huán)境中進(jìn)行，定期拍攝水稻試驗(yàn)田間中健康、干旱脅迫、肥害脅迫、病害脅迫的水稻葉片；
11、記錄不同脅迫影響下的水稻葉片高光譜圖像數(shù)據(jù)；
12、選取組別中病害反應(yīng)明顯的水稻葉片部位作為典型樣本；
13、拍攝得到的高光譜圖像分辨率為1920×1920。
14、作為本專利技術(shù)所述的水稻光譜脅迫指數(shù)構(gòu)建方法的一種優(yōu)選方案，其中：所述黑白矯正，包括，
15、采用黑白校正方法對(duì)高光譜圖像進(jìn)行校正，得到矯正后的高光譜圖像；
16、計(jì)算黑白矯正后得到的圖像反射率值：
17、?，
18、其中，為待矯正的原始圖像反射率值，為掃描標(biāo)準(zhǔn)的參考白板得到的反射率值，為蓋上鏡頭蓋后得到的黑板反射率值。
19、作為本專利技術(shù)所述的水稻光譜脅迫指數(shù)構(gòu)建方法的一種優(yōu)選方案，其中：所述感興趣區(qū)域提取，包括，
20、使用envi軟件對(duì)矯正后的高光譜圖像數(shù)據(jù)篩選出與脅迫因素相關(guān)性最顯著的區(qū)域并定義為感興趣區(qū)域；
21、當(dāng)水稻葉片為干旱脅迫、肥害脅迫、本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：包括，
2.如權(quán)利要求1所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述原始高光譜圖像，包括，
3.如權(quán)利要求1或2所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述黑白矯正，包括，
4.如權(quán)利要求3所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述感興趣區(qū)域提取，包括，
5.如權(quán)利要求2或4所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述生成對(duì)抗網(wǎng)絡(luò)，包括，
6.如權(quán)利要求5所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述提取貢獻(xiàn)度最高的50個(gè)特征波段，包括，
7.如權(quán)利要求1、2、4或6所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述模型分類結(jié)果，包括，
8.如權(quán)利要求1、2、4或6所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述劃分脅迫類別包括，
9.水稻光譜脅迫指數(shù)構(gòu)建系統(tǒng)，其特征在于，包括，
10.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述的水稻光譜脅迫指
11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的水稻光譜脅迫指數(shù)構(gòu)建方法的步驟。
...【技術(shù)特征摘要】
1.水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：包括，
2.如權(quán)利要求1所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述原始高光譜圖像，包括，
3.如權(quán)利要求1或2所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述黑白矯正，包括，
4.如權(quán)利要求3所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述感興趣區(qū)域提取，包括，
5.如權(quán)利要求2或4所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述生成對(duì)抗網(wǎng)絡(luò)，包括，
6.如權(quán)利要求5所述的水稻光譜脅迫指數(shù)構(gòu)建方法，其特征在于：所述提取貢獻(xiàn)度最高的50個(gè)特征波段，包括，
7...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：翟肇裕，張杰，朱淑鑫，馮佳睿，徐煥良，
申請(qǐng)(專利權(quán))人：南京農(nóng)業(yè)大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。