本發明涉及作物長勢監測，尤其涉及一種通過影像監測作物長勢的方法及系統。

背景技術：

1、作物長勢監測技術領域涉及利用多種傳感和數據分析手段，對作物的生長狀態、健康狀況和生長趨勢進行實時或周期性的評估。而通過影像監測作物長勢的方法屬于作物長勢監測技術領域，主要利用影像數據對作物生長狀態進行分析和評估。

2、但是現有技術中，影像數據未經裁剪和幾何校正，背景信息復雜，易干擾葉面積指數計算，影響監測的準確性。作物生長評估通常依賴單點影像數據，未進行數據比對，導致生長趨勢難以準確判斷，影響農業管理決策的可靠性。因此，需要進行改進。

技術實現思路

1、本發明的目的是解決現有技術中存在的缺點，而提出的一種通過影像監測作物長勢的方法及系統。

2、為了實現上述目的，本發明采用了如下技術方案，一種通過影像監測作物長勢的方法，包括以下步驟：

3、部署無人機，在目標水稻田上空進行飛行，采集影像數據，通過數據傳輸將影像數據實時發送至地面站，生成初步影像數據集；對所述初步影像數據集進行裁剪和校正，生成處理后影像數據集；

4、基于所述處理后影像數據集，對影像中的水稻葉面積指數進行識別和測量，識別作物的健康狀況和生長階段，生成原始lai數據；對所述原始lai數據進行時間序列分析，通過對比分析確定作物生長趨勢，生成時間序列分析結果；

5、基于所述時間序列分析結果，結合土壤濕度和氣象數據，將土壤濕度和氣象數據與時間序列分析結果結合，生成綜合監測數據；利用所述綜合監測數據對水稻的生長狀況進行評估，分析影響作物生長的環境因素，生成作物生長評估結果；

6、基于所述作物生長評估結果，評估當前的灌溉和施肥計劃的效果，確定是否需要調整農業管理措施，生成管理調整建議。

7、較佳的，所述初步影像數據集的獲取步驟為：

8、部署無人機在目標水稻田上空進行飛行，通過攝像頭采集水稻田的影像數據，調整攝像頭角度和焦距以覆蓋整個田面，得到實時采集的水稻田影像；

9、基于所述實時采集的水稻田影像，通過無線傳輸將數據實時發送至地面站，得到初步影像數據集。

10、較佳的，所述處理后影像數據集的獲取步驟為：

11、基于所述初步影像數據集，通過像素梯度確定邊緣過渡區域，并消除孤立噪聲點，依據目標作物區域的形狀特征調整邊界范圍，去除冗余背景區域，得到邊界調整后的影像數據；

12、基于所述邊界調整后的影像數據，計算鏡頭畸變參數，包括徑向畸變和切向畸變，采用影像插值恢復因校正引起的像素偏移，生成畸變校正后的影像數據；

13、基于所述畸變校正后的影像數據，進行顏色通道歸一化處理，同時進行直方圖均衡化調整亮度分布，得到處理后影像數據集。

14、較佳的，所述原始lai數據的獲取步驟為：

15、基于所述處理后影像數據集，進行rgb通道分離，提取紅色通道、綠色通道和藍色通道的像素值，得到水稻葉片區域通道數據；

16、基于所述水稻葉片區域通道數據，計算水稻葉面積指數，計算公式為：

17、和；

18、其中，為水稻葉面積指數，為基于無人機影像的可變比值植被指數，為綠色通道數碼值，為紅色通道數碼值，為藍色通道數碼值；

19、基于所述水稻葉面積指數，提取葉片顏色和紋理特征，對比生長周期光譜變化趨勢，識別作物健康狀況和生長階段，得到原始lai數據。

20、較佳的，所述時間序列分析結果的獲取步驟為：

21、基于所述原始lai數據，構建時間序列矩陣，提取各觀測時間點的水稻葉面積指數，計算相鄰時間點之間的水稻葉面積指數變化幅度，通過插值來填補數據缺失區域，并進行時間序列平滑處理，得到時間序列lai數據；

22、基于所述時間序列lai數據，計算作物生長趨勢指數，計算公式為：

23、；

24、其中，為作物生長趨勢指數，為第個時間點的水稻葉面積指數，為前一個時間點的水稻葉面積指數，為第個時間點對應的葉片密度，為水稻冠層高度，為水稻葉片顏色變化率，為顏色變化對趨勢指數的影響因子，為時間序列中的數據點數；

25、基于所述作物生長趨勢指數，分析作物生長趨勢指數在時間維度上的變化模式，提取增長、穩定或衰退的趨勢特征，得到時間序列分析結果。

26、較佳的，所述綜合監測數據的獲取步驟為：

27、基于所述時間序列分析結果，提取作物生長趨勢數據，調用土壤濕度測量數據和氣象觀測數據，計算土壤水分變化率、空氣濕度變化幅度、溫度梯度和降水累積量，得到環境參數集；

28、基于環境參數集，計算綜合監測指數，計算公式為：

29、；

30、其中，為綜合監測指數，分別代表土壤水分含量、空氣濕度和溫度的實時測量值，分別為對應參數的時間序列平滑值，分別代表各環境因子的波動幅度，分別代表土壤水分、空氣濕度和溫度的變化速率，為環境變化影響因子；

31、基于所述綜合監測指數，分析環境因子對作物生長趨勢的影響，提取環境變量與作物生長狀態的關聯性，得到綜合監測數據。

32、較佳的，所述作物生長評估結果的獲取步驟為：

33、基于所述綜合監測數據，計算生長適應性得分，計算公式為：

34、；

35、其中，為生長適應性得分，為水稻葉面積指數，為作物光合能力指數，為土壤溫度，為空氣濕度，為氣象因子累積影響值，為土壤濕度變化速率；

36、基于所述生長適應性得分，分析水稻在當前環境下的生長狀態，得到作物生長評估結果。

37、較佳的，所述管理調整建議的獲取步驟為：

38、基于所述作物生長評估結果，提取土壤水分含量、土壤氮磷鉀含量、葉綠素指數、降水量和溫度，得到農業管理基礎數據；

39、基于所述農業管理基礎數據，計算管理調整指數，計算公式為：

40、；

41、其中，為管理調整指數，分別表示當前土壤中的氮、磷、鉀濃度，為灌溉水分的供給量，為降水總量，為葉綠素指數，為作物葉片溫度；

42、基于所述管理調整指數，分析水稻對當前灌溉和施肥的適應性，評估是否需要調整農業管理措施，得到管理調整建議。

43、本發明提供一種系統，包括：

44、數據采集模塊，部署無人機，在目標水稻田上空進行飛行，采集影像數據，實時發送至地面站，生成初步影像數據集；

45、影像處理模塊，對初步影像數據集進行裁剪和校正，生成處理后影像數據集；

46、lai計算模塊，基于處理后影像數據集，識別和測量影像中的水稻葉面積指數，識別作物的健康狀況和生長階段，生成原始lai數據；

47、數據分析模塊，對原始lai數據進行時間序列分析，通過對比分析確定作物生長趨勢，生成時間序列分析結果；

48、農業管理建議模塊，基于時間序列分析結果，結合土壤濕度和氣象數據，將土壤濕度和氣象數據與時間序列分析結果結合，生成綜合監測數據，利用綜合監測數據對水稻的生長狀況進行評估，分析影響作物生長的環境因素，生成作物生長評估結果，基于作物生長評估結果，評估當前的灌溉和施肥計劃的效果，確定是否需要調整農業管理措施，生成管理調整建議。

49、與現有技術相比，本發明的優點和積極效果在于：

50、本發明中，利用無人機進行影像采集，避免了固定地面攝像頭視角受限的問題，并通過實時數據傳輸減少數據滯后性，使監測更加及時。影像數據裁剪和校正過程中，消除了角度偏差和背景噪聲，提高了葉面積指數計算的精準度。時間序列分析的引入，實現了作物生長趨勢的動態監測，使得生長評估不再局限于單一時間點，而是形成歷史數據比對，提高了生長狀態的預測能力。環境因子的融合增強了監測系統對外部影響的適應能力，使得氣象變化、土壤水分動態等關鍵因素能夠量化，并直接作用于作物生長評估，避免了單一作物表觀特征分析的局限性。基于綜合數據分析，評估當前農業管理措施對作物生長的影響，使灌溉、施肥等操作能夠依據作物的實時需求動態調整，優化資源配置，提高農業管理的科學性和執行效率。