(19)中华 人民共和国 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 202111397001.0 (22)申请日 2021.11.23 (71)申请人 农业农村 部南京农业机 械化研究所 地址 210095 江苏省南京市玄武区柳营10 0 号 (72)发明人 曹光乔　李亦白　陈聪　 (74)专利代理 机构 南京天华专利代理有限责任 公司 32218 代理人 刘畅 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/02(2012.01) G06K 9/62(2022.01) A01G 22/50(2018.01) (54)发明名称 基于无人机多光谱遥感的棉花打顶期植物 生长状态的预测方法 (57)摘要 本发明公开了一种基于无人机多光谱遥感 的棉花打顶期植物生长状态的预测方法， 它包括 以下步骤： S1、 使用多光谱相机采集处于打顶作 业前后的棉花冠层多光谱信息； 采集与打顶时间 策略确定相关的作物指标； S2、 构建棉花冠层多 光谱信息 ‑作物指标的多 光谱回归分析模型； S3、 以待预测棉花田采集到的特定波段组合的多光 谱信息作为输入 数据， 通过多光谱回归分析模型 获取作物指标。 使用本申请方法可 实现棉花植株 高度、 花蕾和果枝个数的智能快速获取， 为棉花 打顶时间确定提供 数据支撑 。 权利要求书2页 说明书18页 附图6页 CN 114154694 A 2022.03.08 CN 114154694 A 1.一种基于无人机多光谱遥感的棉 花打顶期植物生长状态的预测方法， 其特征在于它 包括以下步骤： S1、 使用多光谱相机采集处于打顶作业前后的棉花冠层多光谱信息； 采集与打顶时间 策略确定相关的作物指标； S2、 构建棉花冠层多光谱信息 ‑作物指标的多光谱回归分析模型； S3、 以待预测棉花田采集到的特定波段组合的多光谱信息作为输入数据， 通过多光谱 回归分析模型获取作物指标。 2.根据权利要求1所述的方法， 其特征在于S1中使用无人机搭载多光谱相机进行棉花 冠层的多光谱信息 。 3.根据权利要求1所述的方法， 其特征在于S1中， 在待预测棉花田中放置 固定尺寸的标 准板， 获取 标准校正区域 光谱作为遥感数据的辐射校正数据， 校正公式： 式中， I表示某波段感兴趣区域的平均光谱值， W表示该天该波段标准白板校正区域光 谱均值， B表示该天将镜头盖住时该波段的像素均值， CI为经过辐射校正后该天该波 段的光 谱反射率。 4.根据权利要求1所述的方法， 其特征在于S1中， 所述与打顶时间策略相关的作物指标 包括： 棉花株高、 果枝个数、 花蕾个数。 5.根据权利要求1所述的方法， 其特征在于S2中， 多光谱回归分析模型采用Adaboost+ 决策树结合的方法构建。 6.根据权利要求5所述的方法， 其特 征在于Adabo ost+决策树的算法步骤为： 输入： 训练数据集T＝{(x1,y1),(x2,y2)…,(xn,yn)},其中 yi∈y,X是实例空 间， y是标记集合； 输出： 最终分类 器： G(x)； (1)初始化训练数据的权 重分布： D1＝{w11， ...， w1i...， w1N}， 其中， w1i为初始化数据的权 重， N为训练数据个数。 (2)对于m＝1， 2， . ..， M (a)使用具有权值分布Dm的训练数据集学习， 得到基本回归 模型： Gm(x)： X→y Gm为最终分类 器； (b)计算Gm(x)在训练数据集上的误差率em： wmi表示第m轮中第i个实例的权重， 说明Gm(x)在加权的训练数据集上的回 归误差率是被Gm(x)的预测值与实际值的差值权 值之和， 由此可以看出数据的权重分布Dm与 基本分类 器Gm(x)的分类误差率的关系；权　利　要　求　书 1/2 页 2 CN 114154694 A 2(c)计算Gm(x)的系数分布αm： (d)更新训练数据集的权值分布： Dm+1＝{wm+1， 1， ...， wm+1， i， ...， wm+1， N} 这里Zm是规范化因子： 它使Dm+1成为一个概率分布； (3)构建基本回归 模型的线性组合： 得到最终的回归 模型： 7.根据权利要求1所述的方法， 其特征在于S3中， 所述特定波段组合为550nm、 730nm、 790nm。权　利　要　求　书 2/2 页 3 CN 114154694 A 3