(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210882872.X (22)申请日 2022.07.26 (71)申请人 珠海欧比特宇 航科技股份有限公司 地址 519000 广东省珠海市唐家东岸白沙 路1号欧比特 科技园 (72)发明人 颜军　周学林　蒋晓华　徐晓龙　 纪婵　刘欢　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 张龙哺 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/54(2022.01) G06V 10/77(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G01N 21/55(2014.01) G01N 21/25(2006.01) (54)发明名称 棉花药害识别方法、 装置、 电子设备及存储 介质 (57)摘要 本发明提供一种棉花药害识别方法、 装置、 电子设备及存储介质， 该棉花药害识别方法包 括： 确定棉花药害胁迫等级数据和棉花药害病情 指数； 执行红边蓝移分析处理， 确定棉花药害光 谱特征； 建立棉花药害遥感识别模型； 获取待测 区域的高光谱卫星影像， 通过预处理得到标准影 像， 并计算标准影像的棉花药害光谱特征； 将经 过归一化后的棉花冠层光谱反射率数据与标准 影像采用卷积神经网络执行模型融合同化处理， 得到高光谱融合影像； 通过棉花药害遥感识别模 型识别高光谱融合影像， 获得待测区域的药害分 布区域和药害等级。 本发明精确识别棉田棉花的 药害发生情况， 提高了指导植保用药精准、 减量 的准确度， 节约用药成本 。 权利要求书4页 说明书13页 附图5页 CN 115311559 A 2022.11.08 CN 115311559 A 1.一种棉花药害识别方法， 其特 征在于， 包括： 响应于识别请求， 获取第一待测区域的花铃期棉花的冠层光谱反射率数据， 根据所述 冠层光谱反射 率数据确定棉花药害胁迫等级数据和棉花药害病情指数； 基于所述棉花冠层光谱反射率数据执行红边蓝移分析处理， 确定棉花药害光谱特征， 所述棉花药害光谱特 征包括植被指数、 光谱导数、 微分数据及药害红边指数； 根据所述棉花药害胁迫等级数据确定药害等级， 根据所述药害等级、 所述棉花药害病 情指数及所述棉花药害光谱特 征的关系， 建立棉花药害遥感识别模型； 获取第二待测区域的高光谱卫星影像， 通过预处理得到标准影像， 并计算所述标准影 像的所述棉花药害光谱特 征； 将经过归一化后的所述棉花冠层光谱反射率数据与所述标准影像采用卷积神经网络 执行模型融合同化处 理， 得到高光谱融合影 像； 通过所述棉 花药害遥感识别模型识别所述高光谱融合影像， 获得所述第 二待测区域的 药害分布区域和所述药害等级。 2.根据权利要求1所述的棉花药害识别方法， 其特征在于， 所述响应于识别请求， 获取 第一待测区域的花铃期棉花的冠层光谱反射率数据， 根据所述冠层光谱反射率数据确定棉 花药害胁迫等级数据和棉花药害病情指数， 包括： 通过光谱采集设备， 在满足预设采集条件时对棉花冠层光谱反射率数据进行采集， 棉 花冠层光谱反射率数据包括健康棉株、 受叶螨胁迫棉株、 受药害棉株及其他地物的光谱反 射率数据； 根据技术规程指标， 确定棉花的每片叶按病斑面积占整片叶的百分率分级， 记录所采 集的总叶片数和各级病叶数； 根据公式 计算棉花药害病情指数， 其中i表示药害等级， i取值为0、 1、 3、 5、 7、 9， 其中， Leafi表示各 级病叶数， Leaftotal表示总叶片数， Gradei_max为最高药害等级代 表值。 3.根据权利要求1所述的棉 花药害识别方法， 其特征在于， 所述基于所述棉 花冠层光谱 反射率数据执 行红边蓝移分析处 理， 确定棉花药害光谱特 征， 包括： 对棉花冠层光谱反射率数据进行数据清洗后， 执行红边蓝移分析处理， 计算所述植被 指数B(680， 690)、 所述光谱导数R1st( λi)和R2nd( λi)、 所述微分数据ρ ′( λi)和ρ″( λi)、 所述药害红 边指数B(640， 690)； 其中所述棉花药害光谱特征的所述植被指数B(680,690)采用公式模型B(680， 690)＝ρ690‑ρ680 进行计算， B(680,690)为植被指数， ρ690和ρ680为690nm和680nm波段的反射 率值； 所述光谱导数 其中R1st( λi)为在光谱段λi上的一阶导数值， R( λi)为i波段处的反射率数值， R( λi+1)为 (i+1)波段处的反射 率数值；权　利　要　求　书 1/4 页 2 CN 115311559 A 2所述光谱导数 其中R2nd( λi)为在光谱段λi上的二阶导数值， R( λi)为i波段处的反射率数值， R( λi+1)为 (i+1)波段处的反射 率数值； 所述微分数据 其中ρ′(λi)为在光谱段λi上的一阶微分值； ρ( λi+1)为(i+1)波段处的反射率数值； ρ ( λi‑1)为(i‑1)波段处的反射 率数值； 所述微分数据ρ ″( λi)＝[ρ′( λi+1)‑ρ′( λi‑1)]/2( λi+1‑λi‑1)， 其中ρ″( λi)为在光谱段λi上 的二阶微分值， ρ ′( λi+1)为(i+1)波段处的一阶微分值， ρ ′( λi‑1)为(i‑1)波段处的一阶微分 值， λi为i波段的波长值， λ(i+1)为(i+1)波段的波长值； 所述药害红边指数R(640， 760)采用公式模型R(640， 760)＝ρ640/ρ760进行计算， 其中， R(640， 760) 为药害红边指数， ρ760和ρ640为760nm和640nm波段的反射 率值。 4.根据权利要求1所述的棉 花药害识别方法， 其特征在于， 所述建立棉花药害遥感识别 模型， 包括： 基于棉花药害特征谱段， 确定所述植被指数、 所述光谱导数、 所述微分数据及所述药害 红边指数的相关性， 采用偏最小二乘回归分析模型拟合构建识别模型， 计算公式为： X＝TPT+E， Y＝UQT+F， 其中， X为n×m的预测矩阵， T为n ×l的X投影矩阵， P为m ×l的正交载荷矩阵， 矩阵E为误 差项， 服从独立同分布的正态分布随机变量， Y为n ×p的响应矩阵， U为n ×l的Y投影矩阵， Q 为p×l的正交载荷矩阵， 矩阵F 是误差项， 服从独立同分布的正态分布随机变量。 5.根据权利要求1所述的棉 花药害识别方法， 其特征在于， 所述获取第 二待测区域的高 光谱卫星影像， 通过预处理得到标准影像， 并计算所述标准影像的所述棉花药害光谱特征， 包括： 获取所述第二待测区域的所述高光谱卫星影 像的标准原 始数据； 对影像执行辐射定标、 6S大气校正、 波段组合及系统几何校正处理， 得到的几何校正高 光谱影像； 对所述几何校正高光谱影像执行地理配准、 正射校正、 镶嵌及目标 区范围裁切处理， 生 成标准镶嵌高光谱影 像产品； 对所述标准镶嵌高光谱影像产品执行影像主成分分析与波段重采样降维， 选择光谱信 息最丰富且符合棉花药害遥感识别模型 所需的波段， 将波段进行重组得到所述标准影 像。 6.根据权利要求1所述的棉 花药害识别方法， 其特征在于， 所述将经过归一化后的所述 棉花冠层光谱 反射率数据与所述标准影像采用卷积神经网络执行模型融合同化处理， 得到 高光谱融合影 像， 包括： 对所述棉花冠层光谱反射 率数据的地 面分辨率采用公式 L＝2×H×tan( θ /2)权　利　要　求　书 2/4 页 3 CN 115311559 A 3