摘要
本发明提供一种多源特征协同的小麦条锈病监测模型的构建方法及装置,获取目标麦田的高光谱影像、热成像和各个调查样点的病情指数值;基于高光谱影像构建植被指数集和纹理特征集;从高光谱影像提取各个调查样点的高光谱数据并输入到非实测性状参数反演模型和经验性状参数反演模型,得到非实测性状参数值和经验性状参数值;从热成像中提取每一调查样点的冠层温度值;基于各个非实测性状参数值、各个经验性状参数值和各个冠层温度值,构建得到植被功能性状集;基于植被指数集、纹理特征集、植被功能性状集和各个病情指数值构建小麦条锈病监测模型。在本方案中,以三类特征的组合特征建模,利用多特征协同的方式实现提高条锈病监测模型的精度的目的。
技术关键词
纹理特征
植被指数值
反演模型
小麦条锈病
皮尔逊相关系数
影像
特征值
相关系数阈值
多源特征
热成像
灰度共生矩阵
融合主动学习
参数
多特征协同
数据
构建小麦
样本
回归算法
系统为您推荐了相关专利信息
皮尔逊相关系数
识别方法
深度度量学习
反距离加权插值
元素
缺陷预测方法
BP神经网络模型
钢铁
灰度特征
图像处理
阳极铝箔
性能预测模型
性能预测方法
梯度提升决策树
学习器