一种基于高光谱技术检测冬小麦麦穗水分含量的方法与流程
本发明涉及小麦水分含量检测技术领域，特别是涉及一种基于高光谱技术检测冬小麦麦穗水分含量的方法。
背景技术：
冬小麦是稍暖的地方种的，一般在9月中下旬至10月上旬播种，翌年5月底至6月中下旬成熟。比如华北及其以南是冬小麦。冬小麦是我国主要粮食作物之一，随着我国经济、社会发展对粮食生产的需求逐步扩大，而动态估测冬小麦生长发育状况，有利及时掌握冬小麦产量，而冬小麦麦穗的生长发育是产量形成的关键，因此开展对冬小麦麦穗生理参数的检测具有重要意义。
中国农业遥感技术的研究与应用经历了从20世纪70年末的技术引进、80年代到90年代中期的关键技术攻关90年代中后期到现在的快速发展、业务应用几个阶段。过去的20年，中国农业遥感技术研究和应用从深度和广度上都得到长足发展，取得显著进展。截至目前，遥感以其快速、简便、宏观、无损及客观等优点，广泛应用于农业生产各个环节。农田作物信息的快速获取与解析是开展精准农业实践的前提和基础，是突破制约中国现代农业应用发展瓶颈的关键，在农业田间信息获取上，遥感技术优势明显。农业遥感信息获取是农业遥感应用的基础。中国农业遥感信息获取从依赖国外遥感数据，到自主国产卫星遥感数据大量应用、航空遥感、无人机、地面近距遥感齐头并进，形成“天—地—网”一体化的农业遥感信息协同综合获取的技术体系。
冬小麦麦穗水分含量的供给平衡时衡量冬小麦生长发育后期健康水平的重要基础信息，也是进行冬小麦产量评估的重要基础数据，然而目前尚无针对冬小麦麦穗水分含量检测的技术，因而如何快速、精准检测冬小麦麦穗水分含量的检测是一个亟需解决的问题。本发明提供了一种利用高光谱技术快速、无损、精准检测冬小麦麦穗水分含量的检测方法，从而可有效获取冬小麦麦穗生长发育信息，为冬小麦产量估测提供了必要基础技术支撑。
技术实现要素：
基于上述技术问题，本发明的目的是提供了一种基于高光谱技术检测冬小麦麦穗水分含量的方法。
本发明的检测方法包括以下步骤：
步骤一，开展实地野外核查，确定并进行冬小麦样本与光谱数据的采集和数据处理，然后在实验室内将冬小麦麦穗置入烘烤箱内，烘干至恒重并称取麦穗干重，采用常规计算方法获得小麦麦穗含水量；采用随机抽样法筛选2/3的样本作为训练样本，1/3的样本作为验证样本；
步骤二，以训练样本为基础，对光谱数据进行平滑去噪处理，并利用小波算法处理分析光谱数据，然后将其与冬小麦麦穗水含量进行相关性分析，筛选对冬小麦麦穗水分含量敏感的特征波段；
步骤三，依据步骤二中筛选的敏感特征波段，采用偏最小二乘法构建冬小麦麦穗水分含量的估测模型，并采用决定系数r2与均方根误差rmse对进行模型精度检测，以确定检验模型的可行性；
步骤四，最后将待检测目标的敏感光谱数据输入步骤三中的模型，即可获得冬小麦麦穗水分含量信息。
优选的，步骤一所述光谱数据是利用地物光谱仪获取冬小麦冠层光谱数据。
进一步优选的，所述光谱数据是将冬小麦光谱测量方法采用在野外进行，采用波段覆盖范围为350～2500nm，输出光谱分辨率为1nm的地物光谱仪在野外采集冬小麦冠层光谱数据，其中每个样本测定10条光谱数据，取其平均作为最终光谱。其中地物光谱仪器使用美国asd公司生产的野外便携式地物光谱仪进行测量。
进一步优选的，采集的冠层光谱数据进行数据处理，所述数据处理包括光谱平滑、小波分析、相关性分析三部分。由地物光谱仪的光子探测系统采集到的光谱数字信号主要包括探测器对地物响应信号和系统噪声。探测器对地物响应信号是有价值的信号，需要保留，针对系统噪声需要去除。除此之外地物光谱曲线中的背景噪声和光谱杂音也需要进行消除，采用光谱平滑进行噪声消除。然后，对已进行平滑处理的光谱进行小波变换。
本发明将采集的数据进行处理后得到的光谱数据还需要进行验证，随机从所有样本中筛选出1/3的样本对处理后的数据进行验证，进一步增强数据的准确性。
数据处理中所述的光谱平滑处理：由地物光谱仪的光电探测系统采集到的光谱数字信号分为两部分：探测器对地物响应信号和系统噪声。其中系统噪声主要由探测系统各个组成部分工作时产生，除此之外地物光谱曲线还包含背景噪声和光谱杂音。噪声的存在给地物光谱的分析、检测、判别带来很大的干扰。为了消除这些干扰，从地物光谱中提取出所需要的有用信息，需要对光谱存在的许多“毛刺”噪声进行平滑预处理。常见的平滑方法有：移动平均法、savitaky-golay(sg)卷积平滑法、中值滤波法、gaussian(gs)滤波法、低通滤波法和小波去噪法。不同的方法产生的效果不同，评定平滑方法优劣性的原则是：在最大程度保持光谱的特征值的原则下光谱曲线尽可能平滑，并且平滑过后的光谱曲线对冬小麦麦穗含水量的敏感度更好。根据光谱去噪自身的概念和原则对几种方法进行对比后，在试验中通过对比分析，本发明采用长度为9的海明窗低通滤波器对光谱数据进行平滑处理。
小波变换可以通过伸缩和平移等运算对函数或信号在多个尺度上进行分解，较好解决傅里叶变换不能同时分析时间域和频率域的缺陷，应用于森林种类识别、植物胁迫识别、地理学、病虫害信息提取、遥感图像处理等众多领域，本发明主要应用连续小波技术在植被理化参数反演领域。小波变换可以从高光谱遥感的光谱反射率数据中提取出对植被理化参数最为敏感的特征信息。连续小波变换通过对高光谱数据在多个尺度上进行分解，能够得到不同位置和不同尺度上分解得到的小波能力系数，通过相关性分析能够较好的提取出一些敏感的光谱特征信息用于冬小麦的水分定量反演。其中连续小波变换方法通过使用一个母小波函数将光谱反射率分解为不同尺度的小波能量系数，其采用的小波基如下：
式中，λ为光谱曲线的波段数，α和b均为正实数，其中α表示伸缩因子，用来定义小波的宽度，b为平移因子，用于确定小波的位置。当a＞1时，ψ(λ/α)的补偿大于ψ(λ)的波长范围，随着α值的逐渐增大，ψ(λ/α)的波长范围比ψ(λ)的波长范围增大的幅度变大，此时小波变换对波长反映的相对较为粗略，而对频率反映的相对精细，这与低频情况恰好相互对应；当α＜1时，ψ(λ/α)的波长范围小于ψ(λ)的波长范围，随着α值的逐渐减小，ψ(λ/α)的波长范围比ψ(λ)的波长范围减小的幅度变小，此时小波变换对频率反映的相对较为粗略，而对波长则反映的相对较为精细。连续小波变换方法的这些优势正是本方法用于对冬小麦的叶片含水量反演相关寻找敏感光谱信息的一句和原因所在。
(2)采用小波技术去噪原理进行高光谱数据处理，其中小波分析是采用局部化进行分析，主要是基于时间频率与空间频率上对函数进行细化分析，从而有效提取相关信息，解决傅里叶变换所不能解决的问题。采用连续小波变换(continuouswavelettransform，cwt)进行高光谱数据信号的变换，并选择一个阈值将变换得到的小波系数进行阈值选取，然后根据阈值选取后的系数进行信号重构，得到去噪后的信号。小波分析原理如下：
在函数ψ(x)满足以下容许性条件：
则称ψ(x)为容许性小波，并定义其积分变换如下：
该积分变换为f(x)以ψ(x)为母小波的积分连续小波变换，其中，α为尺度因子，表示与频率相关的伸缩，b为时间平移因子。
(4)傅里叶变换存在信号的时域与频域信息不能同时局部化的问题，因此短时傅里叶变换采用将信号划分为许多小的时间间隔，用傅里叶变换分析每个时间间隔，以便确定该时间间隔存在的频率。本步骤中利用matlab语言编写基于harr小波基的数据处理程序完成对冬小麦冠层光谱数据的处理，并与实测冬小麦叶片水分数据进行相关性分析，筛选并提取特征波段。其中harr小波是由一组分段常值函数组成的函数集。这个函数集定义在半开区间[0,1)上，每一个分段常值函数的数值在一个小范围里是1，其他地方为0，现以图像为例并使用线性代数中的矢量空间来说明哈尔基函数。其中用到的haar小波定义如下：
相关性分析：相关分析与回归分析在实际应用中有密切关系。然而在回归分析中，着重研究一个随机变量y对另一个(或一组)随机变量x的依赖关系的函数形式。而在相关分析中，所讨论的变量的地位一样，分析侧重于随机变量之间的种种相关特征。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。相关系数或线性相关系数，一般用字母r表示，用来度量两个变量间的线性关系：其计算方法如下所示：
其中，cov(x,y)为x与y的协方差，var[x]为x的方差，var[y]为y的方差。本研究着重研究分析线性相关通过计算变量间的相关系数r进行分析两者间的相关性。
优选的，所述步骤三是利用偏最小二乘法既可作为一种建模方法来进行回归建模，其又可用来进行高光谱数据降维，在高光谱分析中非常实用。偏最小二乘法内核是线性算法，在简历非线性模型时将偏最小二乘算法与机器学习等非线性算法结合，利用偏最小二乘法提取得分因子对高光谱数据实现降维处理，能够大大增强模型的稳定性和适应能力。具体步骤如下：
(1)偏最小二乘法回归：偏最小二乘法建模同时考虑因变量和自变量主成分提取，偏最小二乘法同时考虑了自变量(x)主成分、因变量(y)的主成分及因变量对自变量的解释程度；
(2)在偏最小二乘算法中，需要确定投入建模的主成分的个数，即判定增加一个新主成分后模型的预测功能是否得到改进，模型精度评判方法为交叉验证，公式如下所示：
其中：press(h)为预测误差平方和、ss为误差平方和、h为成分数，
在建模每一步计算结束之前，均进行有效性的交叉验证，如果在第h步有
(3)采用偏最小二乘法构建的模型精度验证，研究采用随机抽样法将冬小麦样本分为建模组、验证组，其中建模组占总样本数的2/3，其余为验证组，。构建的诊断模型精度采用回归评价指标：决定系数r2与均方根误差rmse共同评价，决定系数r2具体计算方法如下：
均方根误差rmse的计算方法如下：
其中，somi为实际值，sompi为预测值，
与现有技术相比，本发明具有以下有益效果：(1)冬小麦麦穗水分含量供给平衡是保证麦穗正常生长发育的重要前提条件，因此针对麦穗水分含量检查具有重要意义，本发明对冬小麦麦穗水分含量的检测精度高，且方法简便、快速，实现了快速、无损、实时冬小麦麦穗水分含量的检测，可为冬小麦产量的估算提供基础技术支撑。
(2)现有技术在针对冬小麦麦穗水分含量的检较为匮乏，本发明能有效弥补获取冬小麦麦穗水分含量信息的不足，且本发明的检测精度更高，其无损的检测方法更符合实际应用，能满足农业信息化的需求。
目前开展冬小麦麦穗含水量诊断技术的研究，为冬小麦麦穗含水量的精准检测提供技术支撑，该技术有利于开展冬小麦后期水肥管理，对保障我国粮食产量与品质具有重要的现实意义
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于高光谱技术检测冬小麦麦穗水分含量的方法的流程图；
图2为本发明实施例基于小波系数与冬小麦麦穗含水量相关系数r2矩阵；
图3为本发明实施例冬小麦麦穗水分含量实测值与模型预测值的散点图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步说明。
针对现有技术检测冬小麦麦穗水分含量的研究较少且精度不高的问题，本发明提供了一种基于小波技术的冬小麦麦穗水分含量的检测方法，构建的模型能够满足冬小麦麦穗水分含量的检测精度的需求，提高了对冬小麦麦穗水分含量的检测精度，鲁棒性和普适性。本发明解决其技术问题采取的技术方案是：一种基于高光谱技术冬小麦麦穗水分含量检测方法，包括以下步骤：
步骤一，开展实地野外核查，确定并进行冬小麦样本与光谱数据的采集，然后在实验室内将冬小麦麦穗置入烘烤箱内，烘干至恒重并称取麦穗干重，采用常规计算方法获得小麦麦穗含水量；采用随机抽样法筛选2/3的样本作为训练样本，1/3的样本作为验证样本；
步骤二，以训练样本为基础，对光谱数据进行平滑去噪处理，并利用小波算法处理分析光谱数据，然后将其与冬小麦麦穗水含量进行相关性分析，筛选对冬小麦麦穗水分含量敏感的特征波段；
步骤三，依据步骤二中筛选的敏感特征波段，采用偏最小二乘法构建冬小麦麦穗水分含量的估测模型，并采用决定系数(r2)与均方根误差(rmse)对进行模型精度检测，以确定检验模型的可行性。
模型构建的具体步骤如下：
(1)偏最小二乘法回归：偏最小二乘法建模同时考虑因变量和自变量主成分提取，偏最小二乘法同时考虑了自变量(x)主成分、因变量(y)的主成分及因变量对自变量的解释程度；
(2)在偏最小二乘算法中，需要确定投入建模的主成分的个数，即判定增加一个新主成分后模型的预测功能是否得到改进，模型精度评判方法为交叉验证，公式如下所示：
其中：press(h)为预测误差平方和、ss为误差平方和、h为成分数，
在建模每一步计算结束之前，均进行有效性的交叉验证，如果在第h步有
(3)采用偏最小二乘法构建的模型精度验证，研究采用随机抽样法将冬小麦样本分为建模组、验证组，其中建模组占总样本数的2/3，其余为验证组，。构建的诊断模型精度采用回归评价指标：决定系数r2与均方根误差rmse共同评价，决定系数r2具体计算方法如下：
均方根误差rmse的计算方法如下：
其中，somi为实际值，sompi为预测值，
步骤四，利用步骤一中的流程获取冬小麦冠层光谱数据，然后利用步骤二中的光谱数据处理方法进行处理与分析，最后将待检测目标的敏感光谱数据输入步骤三中的模型，即可获得冬小麦麦穗水分含量信息。
本实施方式中选用河北省安平县冬小麦为实验对象，采用步骤一方法获取冬小麦冠层光谱数据与冬小麦麦穗水分含量数据，并采用随机抽样方法筛选2/3的样本作为训练样本，1/3样本为实验样本；然后采用步骤二中的方法处理分析冬小麦冠层光谱数据，并将冬小麦冠层光谱数据与冬小麦麦穗含水量数据进行相关性分析(其相关系数如图2所示)，提取对冬小麦麦穗水分含量敏感的特征波段；采用步骤三中的提取波段，利用偏最小二乘算法构建冬小麦麦穗含水量诊断模型，模型结果如表1所示，并对模型诊断结果进行分析，得到最优模型为基于h6构建的模型，其决定系数r2与均方根误差rmse分别达到0.947和2.121，其散点图如图3所示。综上表明本发明的技术方法能够应用于冬小麦麦穗含水量的检测。
表1基于小波技术冬小麦麦穗含水量估测模型
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
- 还没有人留言评论。精彩留言会获得点赞！