(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 202210428234.0 (22)申请日 2022.04.22 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 刘飞　周军　陆祥宇　杨睿　 陈梦媛　焦杰　刘羽飞　孔汶汶　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 韩雪梅 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 50/02(2012.01) (54)发明名称 基于无人机多光谱图像融合的作物产量预 测方法及系统 (57)摘要 本发明提供一种基于无人机多光谱图像融 合的作物产量预测方法及系统， 属于产量预测领 域， 作物产量预测方法包括： 采集目标区域作物 成熟前的多光谱图像并确定作物测产区域； 从作 物测产区域中提取5个波段的灰度图像； 确定每 个灰度图像各波段的纹理特征； 根据各波段的纹 理特征确定6个纹理指数； 根据5个波段的反射率 平均值确定6个植被指数； 根据红、 绿、 蓝波段的 平均灰度值确定6个颜色指数； 根据6个纹理指 数、 6个植被指数和6个颜色指数， 确定产量指数； 根据产量指数， 采用随机森林方法， 确定目标区 域的作物产量。 采用图像处理的方式降低了对作 物的影响， 同时融合纹理指数、 植被指数和颜色 指数提高了产量预测的精度。 权利要求书3页 说明书10页 附图2页 CN 114782843 A 2022.07.22 CN 114782843 A 1.一种基于无人机多光谱图像融合的作物产量预测方法， 其特征在于， 所述基于无人 机多光谱图像融合的作物产量预测方法包括： 采集目标区域作物成熟 前的多光谱图像； 根据所述多光谱图像， 确定作物测产区域； 从所述作物测产 区域中提取5个波段的灰度图像； 5个波段包括蓝、 绿、 红、 红边及近红 外波段； 根据每个灰度图像， 确定对应波段的纹 理特征； 根据各波段的纹 理特征， 确定6个纹理指数； 从所述作物测产区域中提取5个波段的反射率值， 并分别确定每个波段的反射率平均 值； 根据各波段的反射 率平均值， 确定 6个植被指数； 从所述作物测产区域中提取红、 绿、 蓝波段的灰度值， 并分别确定红、 绿、 蓝波段的平均 灰度值； 根据红、 绿、 蓝波段的平均灰度值， 确定 6个颜色指数； 根据6个纹 理指数、 6个植被指数和6个颜色指数， 确定产量指数； 根据所述产量指数， 采用随机森林 方法， 确定所述目标区域的作物总产量。 2.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 所述采集目标区域作物成熟 前的多光谱图像， 具体包括： 通过无人机携带多光谱相机采集所述目标区域的多张初始多光谱图像； 根据各初始多光谱图像的特征， 对多张初始多光谱图像进行拼接， 得到所述目标区域 作物成熟 前的多光谱图像。 3.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 所述根据所述多光谱图像， 确定作物测产区域， 具体包括： 通过预先在目标区域放置的光谱校正板， 对所述多光谱图像进行校正， 得到多光谱校 正图像； 将所述多光谱校正图像中的周边区域去除， 得到作物测产目标区域。 4.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 所述纹 理特征包括逆差距纹 理、 反差纹 理、 能量纹 理及自相关纹 理； 采用以下公式， 确定 6个纹理指数： 权　利　要　求　书 1/3 页 2 CN 114782843 A 2其中， TI1、 TI2、 TI3、 TI4、 TI5、 TI6为6个纹理指数， CONRed为红色波段的反差纹理， ENENIR为 近红外波段的能量纹理， ENERed为红色波段的能量纹理， CORRed为红色波段的自相关纹理， CONNIR为近红外波段的反差纹 理。 5.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 采用以下公式， 确定 6个植被指数： VI1＝(RE‑NIR)/(B‑R)； VI2＝R‑B； VI3＝(NIR‑R)/(NIR+R)； VI4＝NIR/B； VI5＝1.5*(R‑B)/(R+B+0.5)； VI6＝1.16*(NIR‑R)/(NIR+R+0.16)； 其中， VI1、 VI2、 VI3、 VI4、 VI5、 VI6为6个植被指数， RE为红边波段的反射率平均值， NIR为 近红外波段的反射 率平均值， B为蓝波段的反射 率平均值， R为红波段的反射 率平均值。 6.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 所述根据红、 绿、 蓝波段的平均灰度值， 确定 6个颜色指数， 具体包括： 对每一波段的平均灰度值进行归一 化， 得到对应波段的归一 化灰度值； 根据各波段的归一 化灰度值， 确定 6个颜色指数。 7.根据权利要求6所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 采用以下公式， 分别确定红、 绿、 蓝波段的归一 化灰度值： r＝R/(R+G+B)； g＝G/(R+G+B)； b＝B/(R+G+B)； 其中， r为红波段的归一化灰度值， g为绿波段的归一化灰度值， b为蓝波段的归一化灰 度值， R为红波段的平均灰度值， G为绿波段的平均灰度值， B为蓝波段的平均灰度值。 8.根据权利要求6所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 采用以下公式， 确定 6个颜色指数： CI1＝2g‑b‑r； CI2＝(g2‑r2)/(g2+r2)； CI3＝(g2‑b*r)/(g2+b*r)； CI4＝(r‑g)/(r+g‑b)； CI5＝3g‑2.4r‑b； CI6＝(2g‑b‑r)/(2g+b+r)； 其中CI1、 CI2、 CI3、 CI4、 CI5、 CI6为新建的6个颜色指数， g为绿波段 的归一化灰度值， b为 蓝波段的归一 化灰度值， r为红波段的归一 化灰度值。 9.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法， 其特征在 于， 所述根据所述产量指数， 采用随机森林方法， 确定所述目标区域的作物总产量， 具体包 括：权　利　要　求　书 2/3 页 3 CN 114782843 A 3