一种利用杂草稻生物学特性防除杂草稻的技术

摘要

本发明属于除杂草稻技术领域，公开了一种利用杂草稻生物学特性防除杂草稻的技术。本发明通过对杂草稻影像进行增强处理方法根据预设的灰尘标记位置对获取的杂草稻影像相应位置的像素值进行处理，因此使被灰尘遮挡的位置更清晰，从而使输出的杂草稻影像也更清晰；同时，通过对杂草稻长势进行监测方法能够快速、准确地获取大尺度范围的杂草稻长势信息，它在考虑到不同物候区和不同耕地类型杂草稻的杂草稻指数存在差异的基础上，提取连续多个时相各物候区相同耕地类型的归一化差分杂草稻指数均值，建立归一化杂草稻指数均值标准化模型，使各时相杂草稻对应像元的杂草稻指数处于同一个参考级别上，进而提取杂草稻长势信息。

说明书

技术领域

本发明属于除杂草稻技术领域，尤其涉及一种利用杂草稻生物学特性防除杂草稻的技术。

背景技术

杂草稻指的是具有杂草特性的水稻，又称野稻、杂稻、再生稻，农民称之为大青棵。其外部形态和水稻极为相似，但在田间具有更旺盛的生长能力，植株一般比较高大。杂草稻野性十足，比栽培稻早发芽、早分蘖、早抽穗、早成熟，一旦在稻田中安家落户，就会拼命与栽培稻争夺阳光、养分、水分和生长空间；然而，现有利用杂草稻生物学特性防除杂草稻的技术采集的杂草稻影像不清晰；同时，农杂草稻生长的连续性监测手段仍较有限，主要是由于高分辨率资源卫星覆盖范围小、时效性差及成本较高等原因尚不适合大范围应用，不能全面且宏观地掌握和分析大范围农杂草稻的长势差异。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有利用杂草稻生物学特性防除杂草稻的技术采集的杂草稻影像不清晰。

(2)农杂草稻生长的连续性监测手段仍较有限，主要是由于高分辨率资源卫星覆盖范围小、时效性差及成本较高等原因尚不适合大范围应用，不能全面且宏观地掌握和分析大范围农杂草稻的长势差异。

(3)对杂草稻长势分析不准确。

发明内容

针对现有技术存在的问题，本发明提供了一种利用杂草稻生物学特性防除杂草稻的技术。

本发明是这样实现的，一种利用杂草稻生物学特性防除杂草稻的技术包括：

步骤一，在水稻齐穗期后，亩用3％赤霉酸乳油55g兑水16kg，进行叶面均匀喷雾；所述的赤霉素使用后杂草稻去除时间，指在赤霉素喷施后6d，10d分两次及时去除抽穗高的杂草稻穗；采集杂草稻影像，并对杂草稻影像进行增强处理；对杂草稻影像进行分析，根据分析结果判断杂草稻长势；

所述对杂草稻影像进行分析方法：

构建杂草稻影像数据库；将采集的杂草稻图像存入杂草稻影像数据库；获得要分析的杂草稻影像；用杂草稻影像分类网络对所述杂草稻影像进行杂草稻影像分类，以获得关于所述杂草稻影像的杂草稻影像类别的杂草稻影像分类结果，所述杂草稻影像类别包括第一类别和与所述第一类别不同的第二类别，其中，在所述杂草稻影像分类结果指示所述杂草稻影像类别为第二类别的情况下，所述杂草稻影像分类结果还包括与所述第二类别相对应的第一置信度，并且在所述杂草稻影像分类结果指示所述杂草稻影像类别为第一类别的情况下，所述杂草稻影像分类结果还包括与所述第一类别相对应的第二置信度；

用对象检测网络对所述杂草稻影像进行对象检测，以获得关于与所述第一类别相关联的目标对象的对象检测结果；以及基于所述杂草稻影像分类结果和所述对象检测结果，生成所述杂草稻影像的杂草稻影像分析结果；根据分析结果判断杂草稻长势；

其中，基于所述杂草稻影像分类结果和所述对象检测结果，生成所述杂草稻影像的杂草稻影像分析结果，包括：在所述杂草稻影像分类结果指示所述杂草稻影像类别为第二类别并且所述对象检测结果指示检测到所述目标对象的情况下，将所述第一置信度与第一阈值进行比较，得到第一比较结果，并基于第一比较结果得到所述杂草稻影像分析结果；

在所述杂草稻影像分类结果指示所述杂草稻影像类别为第一类别并且所述对象检测结果指示未检测到所述目标对象的情况下，将所述第二置信度与第二阈值进行比较，得到第二比较结果，并基于所述第二比较结果得到所述杂草稻影像分析结果；

步骤二，对杂草稻长势进行监测；在水稻成熟收割前杂草稻成熟落粒后，对稻田进行浇灌处理；

所述对杂草稻长势进行监测方法如下：

1)配置监测设备参数，通过监测设备获取监测区的地表反射率数据和杂草稻指数数据；对所述地表反射率数据进行预处理获取第一杂草稻指数时间序列，对所述杂草稻指数数据进行预处理获取第二杂草稻指数时间序列；根据所述第二杂草稻指数时间序列进行物候分区；

2)基于所述物候分区和耕地类型对所述第一杂草稻指数时间序列进行同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值计算，以获取每一物候区相同耕地类型杂草稻的杂草稻指数均值时间序列，所有时相同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值数据构成归一化杂草稻指数均值时间序列；

3)将所述第一杂草稻指数时间序列与归一化杂草稻指数均值时间序列进行标准化处理，以获取被监测区域基准年不同物候区、不同耕地类型的杂草稻进行同一量级比较的归一化杂草稻指数时间序列，即标准化杂草稻指数时间序列；对所述标准化杂草稻指数时间序列进行分级处理，获取杂草稻的长势信息。

进一步，所述对杂草稻影像进行增强处理方法如下：

(1)配置无人机摄像参数，通过无人机摄像器采集杂草稻影像；在获取杂草稻影像后，根据预设的灰尘标记位置确定杂草稻影像需要增强的位置；统计杂草稻影像的直方图，以确定杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值分布比例；

(2)根据杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例，对杂草稻影像需要增强的位置上的像素值进行处理；输出处理后的杂草稻影像；

进一步，所述根据杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例，对杂草稻影像需要增强的位置上的像素值进行处理的步骤具体包括：

判断杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例是否小于预设的分布阈值；

在杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例小于预设的分布阈值时，对杂草稻影像需要增强的位置上的所有像素值重新赋值；

在杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例大于或等于预设的分布阈值时，对杂草稻影像需要增强的位置上的部分像素值重新赋值。

进一步，所述在所述根据预设的灰尘标记位置确定杂草稻影像需要增强的位置的步骤之前，包括下述步骤：

获取杂草稻影像内容为白色物体的杂草稻影像；

将杂草稻影像中像素值小于预设的像素值阈值的位置标记为预设的灰尘标记位置。

进一步，所述在杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例小于预设的分布阈值时，对杂草稻影像需要增强的位置上的所有像素值重新赋值的步骤具体包括：

将小于第一预设像素值的杂草稻影像需要增强的位置上的像素值重新赋值为0；

将大于第二预设像素值的杂草稻影像需要增强的位置上的像素值重新赋值为255。

进一步，所述基于所述物候分区和耕地类型对所述第一杂草稻指数时间序列进行同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值计算，以获取每一物候区相同耕地类型杂草稻的杂草稻指数均值时间序列，所有时相同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值数据构成归一化杂草稻指数均值时间序列：

分别将近红外波段反射率数据和红外波段反射率数据相同时相、不同行列号的第一杂草稻指数时间序列镶嵌拼接，获取近红外波段反射率数据的第一杂草稻指数时间序列和红外波段反射率数据的第一杂草稻指数时间序列，再将同一时相的近红外波段反射率数据的第一杂草稻指数时间序列和红外波段反射率数据的第一杂草稻指数时间序列镶嵌拼接，获得覆盖监测区杂草稻生长期内的第一杂草稻指数时间序列；

根据耕地类型对物候分区后的第一杂草稻指数时间序列进行均值计算，获取每一物候区同一耕地类型的杂草稻指数均值时间序列，所有时相同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值数据构成归一化杂草稻指数均值时间序列。

进一步，所述对所述地表反射率数据进行预处理获取第一杂草稻指数时间序列，包括：

所述地表反射率数据包括近红外波段反射率数据和红外波段反射率数据两种；

分别对所述近红外波段反射率数据和所述红外波段反射率数据依次进行投影转化、重采样、镶嵌和波段反射率提取处理，以获取所述近红外波段反射率数据时间序列和所述红外波段反射率数据时间序列；

在所述对所述杂草稻指数数据进行预处理获取第二杂草稻指数时间序列，包括：

对提取监测区所述杂草稻指数数据依次进行投影转化、重采样、镶嵌和归一化杂草稻指数提取处理，以获取在基准年全年的杂草稻覆盖指数时间序列。

进一步，所述根据所述第二杂草稻指数时间序列进行物候分区，包括：

对所述第二杂草稻指数时间序列进行平滑重构；

在监测区根据杂草稻的物候特征，采用卷积平滑算法进行滤波平滑，提取11个物候参数，对11个物候参数进行标准化处理，统一数值范围，提取每个物候参数的有效成分，以对监测区进行分区获得物候分区。

进一步，所述将所述第一杂草稻指数时间序列与归一化杂草稻指数均值时间序列进行标准化处理，以获取被监测区域基准年不同物候区、不同耕地类型的杂草稻进行同一量级比较的归一化杂草稻指数时间序列，即标准化杂草稻指数时间序列，包括：

将对应时相的第一杂草稻指数时间序列除以归一化杂草稻指数均值时间序列；

标准化杂草稻指数时间序列由所有时相的标准化杂草稻指数数据组成。

进一步，所述对所述标准化杂草稻指数时间序列进行分级处理，获取杂草稻的长势信息，包括：

采用1/2标准差分级方法对各时相杂草稻对应像元的标准化杂草稻指数时间序列进行分级处理；

根据分级后的各时相杂草稻对应像元的标准化杂草稻指数时间序列生成杂草稻长势图像。

结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：

第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

本发明通过对杂草稻影像进行增强处理方法根据预设的灰尘标记位置对获取的杂草稻影像相应位置的像素值进行处理，因此使被灰尘遮挡的位置更清晰，从而使输出的杂草稻影像也更清晰；同时，通过对杂草稻长势进行监测方法能够快速、准确地获取大尺度范围的杂草稻长势信息，它在考虑到不同物候区和不同耕地类型杂草稻的杂草稻指数存在差异的基础上，提取连续多个时相各物候区相同耕地类型的归一化差分杂草稻指数均值，建立归一化杂草稻指数均值标准化模型，使各时相杂草稻对应像元的杂草稻指数处于同一个参考级别上，进而提取杂草稻长势信息；另外，通过对杂草稻影像进行分析方法：可以准确对杂草稻长势进行准确分析。

第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：

本发明有效解决了现有利用杂草稻生物学特性防除杂草稻的技术采集的杂草稻影像不清晰；农杂草稻生长的连续性监测手段仍较有限，主要是由于高分辨率资源卫星覆盖范围小、时效性差及成本较高等原因尚不适合大范围应用，不能全面且宏观地掌握和分析大范围农杂草稻的长势差异；对杂草稻长势分析不准确，使输出的杂草稻影像也更清晰，建立归一化杂草稻指数均值标准化模型，使各时相杂草稻对应像元的杂草稻指数处于同一个参考级别上，进而提取杂草稻长势信息；通过对杂草稻影像进行分析方法：可以准确对杂草稻长势进行准确分析。

附图说明

图1是本发明实施例提供的利用杂草稻生物学特性防除杂草稻的技术流程图；

图2是本发明实施例提供的对杂草稻影像进行增强处理方法流程图；

图3是本发明实施例提供的对杂草稻长势进行监测方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。

如图1所示，本发明提供一种利用杂草稻生物学特性防除杂草稻的技术包括以下步骤：

S101，在水稻齐穗期后，亩用3％赤霉酸乳油55g兑水16kg，进行叶面均匀喷雾；所述的赤霉素使用后杂草稻去除时间，指在赤霉素喷施后6d，10d分两次及时去除抽穗高的杂草稻穗；采集杂草稻影像，并对杂草稻影像进行增强处理；对杂草稻影像进行分析，根据分析结果判断杂草稻长势；

所述对杂草稻影像进行分析方法：

构建杂草稻影像数据库；将采集的杂草稻图像存入杂草稻影像数据库；获得要分析的杂草稻影像；用杂草稻影像分类网络对所述杂草稻影像进行杂草稻影像分类，以获得关于所述杂草稻影像的杂草稻影像类别的杂草稻影像分类结果，所述杂草稻影像类别包括第一类别和与所述第一类别不同的第二类别，其中，在所述杂草稻影像分类结果指示所述杂草稻影像类别为第二类别的情况下，所述杂草稻影像分类结果还包括与所述第二类别相对应的第一置信度，并且在所述杂草稻影像分类结果指示所述杂草稻影像类别为第一类别的情况下，所述杂草稻影像分类结果还包括与所述第一类别相对应的第二置信度；

用对象检测网络对所述杂草稻影像进行对象检测，以获得关于与所述第一类别相关联的目标对象的对象检测结果；以及基于所述杂草稻影像分类结果和所述对象检测结果，生成所述杂草稻影像的杂草稻影像分析结果；根据分析结果判断杂草稻长势；

其中，基于所述杂草稻影像分类结果和所述对象检测结果，生成所述杂草稻影像的杂草稻影像分析结果，包括：在所述杂草稻影像分类结果指示所述杂草稻影像类别为第二类别并且所述对象检测结果指示检测到所述目标对象的情况下，将所述第一置信度与第一阈值进行比较，得到第一比较结果，并基于第一比较结果得到所述杂草稻影像分析结果；

在所述杂草稻影像分类结果指示所述杂草稻影像类别为第一类别并且所述对象检测结果指示未检测到所述目标对象的情况下，将所述第二置信度与第二阈值进行比较，得到第二比较结果，并基于所述第二比较结果得到所述杂草稻影像分析结果；

S102，对杂草稻长势进行监测；在水稻成熟收割前杂草稻成熟落粒后，对稻田进行浇灌处理；

所述对杂草稻长势进行监测方法如下：

S301，配置监测设备参数，通过监测设备获取监测区的地表反射率数据和杂草稻指数数据；对所述地表反射率数据进行预处理获取第一杂草稻指数时间序列，对所述杂草稻指数数据进行预处理获取第二杂草稻指数时间序列；根据所述第二杂草稻指数时间序列进行物候分区；

S302，基于所述物候分区和耕地类型对所述第一杂草稻指数时间序列进行同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值计算，以获取每一物候区相同耕地类型杂草稻的杂草稻指数均值时间序列，所有时相同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值数据构成归一化杂草稻指数均值时间序列；

S303，将所述第一杂草稻指数时间序列与归一化杂草稻指数均值时间序列进行标准化处理，以获取被监测区域基准年不同物候区、不同耕地类型的杂草稻进行同一量级比较的归一化杂草稻指数时间序列，即标准化杂草稻指数时间序列；对所述标准化杂草稻指数时间序列进行分级处理，获取杂草稻的长势信息。

如图2所示，本发明提供的对杂草稻影像进行增强处理方法如下：

S201，配置无人机摄像参数，通过无人机摄像器采集杂草稻影像；在获取杂草稻影像后，根据预设的灰尘标记位置确定杂草稻影像需要增强的位置；统计杂草稻影像的直方图，以确定杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值分布比例；

S202，根据杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例，对杂草稻影像需要增强的位置上的像素值进行处理；输出处理后的杂草稻影像；

所述根据杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例，对杂草稻影像需要增强的位置上的像素值进行处理的步骤具体包括：

判断杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例是否小于预设的分布阈值；

在杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例小于预设的分布阈值时，对杂草稻影像需要增强的位置上的所有像素值重新赋值；

在杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例大于或等于预设的分布阈值时，对杂草稻影像需要增强的位置上的部分像素值重新赋值。

本发明提供的在所述根据预设的灰尘标记位置确定杂草稻影像需要增强的位置的步骤之前，包括下述步骤：

获取杂草稻影像内容为白色物体的杂草稻影像；

将杂草稻影像中像素值小于预设的像素值阈值的位置标记为预设的灰尘标记位置。

本发明提供的在杂草稻影像需要增强的位置上的像素值在整个杂草稻影像的像素值的分布比例小于预设的分布阈值时，对杂草稻影像需要增强的位置上的所有像素值重新赋值的步骤具体包括：

将小于第一预设像素值的杂草稻影像需要增强的位置上的像素值重新赋值为0；

将大于第二预设像素值的杂草稻影像需要增强的位置上的像素值重新赋值为255。

本发明提供的基于所述物候分区和耕地类型对所述第一杂草稻指数时间序列进行同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值计算，以获取每一物候区相同耕地类型杂草稻的杂草稻指数均值时间序列，所有时相同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值数据构成归一化杂草稻指数均值时间序列：

分别将近红外波段反射率数据和红外波段反射率数据相同时相、不同行列号的第一杂草稻指数时间序列镶嵌拼接，获取近红外波段反射率数据的第一杂草稻指数时间序列和红外波段反射率数据的第一杂草稻指数时间序列，再将同一时相的近红外波段反射率数据的第一杂草稻指数时间序列和红外波段反射率数据的第一杂草稻指数时间序列镶嵌拼接，获得覆盖监测区杂草稻生长期内的第一杂草稻指数时间序列；

根据耕地类型对物候分区后的第一杂草稻指数时间序列进行均值计算，获取每一物候区同一耕地类型的杂草稻指数均值时间序列，所有时相同一物候区同一耕地类型杂草稻的归一化杂草稻指数均值数据构成归一化杂草稻指数均值时间序列。

本发明提供的对所述地表反射率数据进行预处理获取第一杂草稻指数时间序列，包括：

所述地表反射率数据包括近红外波段反射率数据和红外波段反射率数据两种；

分别对所述近红外波段反射率数据和所述红外波段反射率数据依次进行投影转化、重采样、镶嵌和波段反射率提取处理，以获取所述近红外波段反射率数据时间序列和所述红外波段反射率数据时间序列；

在所述对所述杂草稻指数数据进行预处理获取第二杂草稻指数时间序列，包括：

对提取监测区所述杂草稻指数数据依次进行投影转化、重采样、镶嵌和归一化杂草稻指数提取处理，以获取在基准年全年的杂草稻覆盖指数时间序列。

本发明提供的根据所述第二杂草稻指数时间序列进行物候分区，包括：

对所述第二杂草稻指数时间序列进行平滑重构；

在监测区根据杂草稻的物候特征，采用卷积平滑算法进行滤波平滑，提取11个物候参数，对11个物候参数进行标准化处理，统一数值范围，提取每个物候参数的有效成分，以对监测区进行分区获得物候分区。

本发明提供的将所述第一杂草稻指数时间序列与归一化杂草稻指数均值时间序列进行标准化处理，以获取被监测区域基准年不同物候区、不同耕地类型的杂草稻进行同一量级比较的归一化杂草稻指数时间序列，即标准化杂草稻指数时间序列，包括：

将对应时相的第一杂草稻指数时间序列除以归一化杂草稻指数均值时间序列；

标准化杂草稻指数时间序列由所有时相的标准化杂草稻指数数据组成。

本发明提供的对所述标准化杂草稻指数时间序列进行分级处理，获取杂草稻的长势信息，包括：

采用1/2标准差分级方法对各时相杂草稻对应像元的标准化杂草稻指数时间序列进行分级处理；

根据分级后的各时相杂草稻对应像元的标准化杂草稻指数时间序列生成杂草稻长势图像。

二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。

本发明通过对杂草稻影像进行增强处理方法根据预设的灰尘标记位置对获取的杂草稻影像相应位置的像素值进行处理，因此使被灰尘遮挡的位置更清晰，从而使输出的杂草稻影像也更清晰；同时，通过对杂草稻长势进行监测方法能够快速、准确地获取大尺度范围的杂草稻长势信息，它在考虑到不同物候区和不同耕地类型杂草稻的杂草稻指数存在差异的基础上，提取连续多个时相各物候区相同耕地类型的归一化差分杂草稻指数均值，建立归一化杂草稻指数均值标准化模型，使各时相杂草稻对应像元的杂草稻指数处于同一个参考级别上，进而提取杂草稻长势信息。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。