CN109738368A - 一种毒蛾危害检测的特征光谱指数及检测系统及方法 - Google Patents

Abstract

本发明属于毒蛾危害检测技术领域，公开了一种毒蛾危害检测的特征光谱指数及检测系统及方法，所述毒蛾危害检测的特征光谱指数检测系统包括：光谱数据采集模块、数据传输模块、中央控制模块、危害数据模型构建模块、危害判断模块、报警模块、数据存储模块、数据显示模块。本发明通过危害数据模型构建模块能够实现毒蛾危害等级划分的危害检测模型，为毒蛾危害的快速、准确检测提供了解决方案；同时，通过危害判断模块判断效率高、准确率高、能够满足对该虫害的快速、简易、准确的识别，通过能够直接获得的遥感卫星数据直接大规模地进行病虫害的评估，节约了大量人力、物力资源，具有广泛的应用前景，对社会生产生活具有很大的促进作用。

Description

一种毒蛾危害检测的特征光谱指数及检测系统及方法

技术领域

本发明属于毒蛾危害检测技术领域，尤其涉及一种毒蛾危害检测的特征光谱指数及检测系统及方法。

背景技术

毒蛾别名桑斑褐毒蛾、纹白毒蛾、桑毒蛾、黄尾毒蛾、桑毛虫，寄主常以桑、苹果、梨、桃、山楂、杏、李、枣、柿、栗、海棠、樱桃、柳等。毒蛾为鳞翅目毒蛾科昆虫，发生于华北、东北、西北等地。在华北地区主要危害月季、玫瑰、蔷薇、苹果、西府海棠等花灌木。成虫无单眼，喙通常消失；胸、腹部被长鳞毛；雌虫有浓密的特化鳞片束，用于覆盖卵块；腹部的反鼓膜巾位于气门前；后翅基室较大，达翅中室中央，M1与Rs在中室外有短距离共柄。幼虫被浓密长毛，并经常成毛丛或毛刷，有时具螫毛，第6和7腹节背面经常有两个毒腺。幼虫取食叶片，大多危害树木。本科已知2700种以上，其中中国已知360多种。常见的舞毒蛾Lymantriadispar(L.)为世界性森林和行道树食叶害虫，模毒蛾L.monacha(L.)能把树冠叶片完全吃光，造成森林死亡。农林牧业的重要害虫。全世界已知约2500种，中国约360种。成虫(蛾)中型至大型。体粗壮多毛。因幼虫具毒毛而得名。幼虫第6、7腹节或仅第7腹节有翻缩腺，是本科幼虫的重要鉴别特征。幼龄幼虫有群集和吐丝下垂的习性。蛹为被蛹，体被毛束，体表光滑或有小孔、小瘤，有臀棘。老熟幼虫在地表枯枝落叶中或树皮缝隙中以丝或以丝、叶片和幼虫体毛缠绕成茧，在茧中化蛹。卵多成堆地产在树皮、树枝、树叶背面，林中地被物或雌蛾茧上。卵堆上常覆盖雌蛾的分泌物或雌蛾腹部末端的毛。成虫雌体长18～20mm，雄体长14～16mm，翅展30～40mm。触角干白色，栉齿棕黄色；下唇须白色，外侧黑褐色；头、胸卵直径0.6～0.7mm，圆锥形，中央凹陷，桔黄色或淡黄色。然而，现有毒蛾危害检测监测方法时间长、经济成本高，且所得数据滞后性较大，采集的信息往往不够全面，无法实现大范围的宏观动态监测；同时，对毒蛾危害判断效率低，判断数据误差大。现有技术中不能高效、准确获取植物叶片光谱数据，不能为系统的数据处理及危害判断提供保障；现有技术中对异常数据集不能进行降维处理，不能根据判断结果进行及时警报通知，降低判定结果的准确性和报警的效率。

综上所述，现有技术存在的问题是：

现有毒蛾危害检测监测方法时间长、经济成本高，且所得数据滞后性较大，采集的信息往往不够全面，无法实现大范围的宏观动态监测；同时，对毒蛾危害判断效率低，判断数据误差大。

现有技术中不能高效、准确获取植物叶片光谱数据，不能为系统的数据处理及危害判断提供保障；现有技术中对异常数据集不能进行降维处理，不能根据判断结果进行及时警报通知，降低判定结果的准确性和报警的效率。

发明内容

针对现有技术存在的问题，本发明提供了一种毒蛾危害检测的特征光谱指数及检测系统及方法。

本发明是这样实现的，一种毒蛾危害检测的特征光谱指数检测方法，所述毒蛾危害检测的特征光谱指数检测方法包括：

第一步，利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据；通过数据线传输采集的光谱数据；

第二步，利用数据处理程序构建植物受毒蛾危害数学模型；

第三步，利用判断程序判断植物是否受毒蛾危害；

第四步，利用警报器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，进行异常数据集的降维处理，根据判断结果进行及时警报通知；

第五步，利用存储器存储采集的植物叶片光谱数据；并利用显示器显示采集的植物叶片光谱数据、毒蛾危害判断数据。

进一步，所述第一步中利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据，具体的算法为：

设f(x)∈C[a,b],p_n(x)是次数不超过n的全体多项式构成的集合；如果

则称p*(x)是f(x)在[a,b]上的最佳一致逼近多项式，也称极小化极大多项式；

采用里米兹算法求取最佳多项式；根据切比雪夫定理求解：

其中：ak(k＝0,1,…n)为待求多项式系数；ρ为最佳逼近值；x_i用反复校正法取得。

进一步，所述第二步的危害数据模型构建方法如下：

(1)获取多份植物叶片样本，分别划定虫害等级；

(2)分别测定各植物叶片样本的叶损量、相对叶绿素含量、相对含水量和特征波长光谱值，并将所采集的数据随机划分为实验组和验证组；

(3)设置采样点并获取对应采样点的植物叶损特征，然后根据所获取的叶损特征确定毒蛾的危害等级，同时，对应记录无危害和受毒蛾危害的植物样品采样点坐标；

(4)根据各采样点确定的毒蛾危害的植物表征进行选择与之对应的遥感指标，所述的遥感指标至少包括：叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI；

(5)耦合步骤(3)毒蛾的危害等级和步骤(4)的遥感指标进行对应建立毒蛾危害检测数学模型。

进一步，所述第三步植物是否受毒蛾危害的判断方法如下：

1)测定多组无危害及受毒蛾危害的植物叶片光谱数据；

2)运用相关数理统计方法，获取毒蛾危害下植物叶片特征波长；

3)根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；

4)基于所得特征波长，构建毒蛾危害特征光谱指数；

5)从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；

6)根据各竹林像元所对应的特征光谱指数值，判断竹林是否受毒蛾危害。

本发明的另一目的在于提供一种实现所述毒蛾危害检测的特征光谱指数检测方法的毒蛾危害检测的特征光谱指数检测系统，所述毒蛾危害检测的特征光谱指数检测系统包括：

光谱数据采集模块，与数据传输模块连接，用于通过光谱设备测定多组无危害及受毒蛾危害的植物叶片光谱数据；

数据传输模块，与光谱数据采集模块、中央控制模块连接，用于通过数据线传输采集的光谱数据；

中央控制模块，与光谱数据采集模块、数据传输模块、危害数据模型构建模块、危害判断模块、报警模块、数据存储模块、数据显示模块连接，用于通过单片机控制各个模块正常工作；

危害数据模型构建模块，与中央控制模块连接，用于通过数据处理程序构建植物受毒蛾危害数学模型；

危害判断模块，与中央控制模块连接，用于通过判断程序判断植物是否受毒蛾危害；

报警模块，与中央控制模块连接，用于通过警报器根据判断结果进行及时警报通知；

数据存储模块，与中央控制模块连接，用于通过存储器存储采集的植物叶片光谱数据

数据显示模块，与中央控制模块连接，用于通过显示器显示采集的植物叶片光谱数据、毒蛾危害判断数据。

本发明的另一目的在于提供一种应用所述毒蛾危害检测的特征光谱指数检测方法的毒蛾危害检测终端。

本发明的优点及积极效果为：本发明通过危害数据模型构建模块利用遥感技术手段来获取受毒蛾危害植物的遥感指标，并结合对应的数据相关性进行拟合出能够实现毒蛾危害等级划分的危害检测模型，为毒蛾危害的快速、准确检测提供了解决方案；同时，通过危害判断模块判断效率高、准确率高、能够满足对该虫害的快速、简易、准确的识别，通过能够直接获得的遥感卫星数据直接大规模地进行病虫害的评估，节约了大量人力、物力资源，具有广泛的应用前景，对社会生产生活具有很大的促进作用。

本发明利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据，有利于提高植物叶片光谱数据的测定准确性，高效、准确获取植物叶片光谱数据，为系统的数据处理及危害判断提供保障；本发明利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，对异常数据集进行降维处理，根据判断结果进行及时警报通知，提高判定结果的准确性和报警的效率。

附图说明

图1是本发明实施例提供的毒蛾危害检测的特征光谱指数检测方法流程图；

图2是本发明实施例提供的毒蛾危害检测的特征光谱指数检测系统结构示意图；

图中：1、光谱数据采集模块；2、数据传输模块；3、中央控制模块；4、危害数据模型构建模块；5、危害判断模块；6、报警模块；7、数据存储模块；8、数据显示模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

为了解决现有的技术问题，本发明通过危害数据模型构建模块利用遥感技术手段来获取受毒蛾危害植物的遥感指标，并结合对应的数据相关性进行拟合出能够实现毒蛾危害等级划分的危害检测模型，为毒蛾危害的快速、准确检测提供了解决方案；同时，通过危害判断模块判断效率高、准确率高、能够满足对该虫害的快速、简易、准确的识别，通过能够直接获得的遥感卫星数据直接大规模地进行病虫害的评估，节约了大量人力、物力资源，具有广泛的应用前景，对社会生产生活具有很大的促进作用。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的毒蛾危害检测的特征光谱指数检测方法包括以下步骤：

S101：利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据；通过数据线传输采集的光谱数据；

S102：利用数据处理程序构建植物受毒蛾危害数学模型；

S103：利用判断程序判断植物是否受毒蛾危害；

S104：利用警报器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，进行异常数据集的降维处理，根据判断结果进行及时警报通知；

S105：利用存储器存储采集的植物叶片光谱数据；并利用显示器显示采集的植物叶片光谱数据、毒蛾危害判断数据。

步骤S101中，本发明实施例提供的利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据，有利于提高植物叶片光谱数据的测定准确性，高效、准确获取植物叶片光谱数据，为系统的数据处理及危害判断提供保障；具体的算法为：

设f(x)∈C[a,b],p_n(x)是次数不超过n的全体多项式构成的集合；如果

则称p*(x)是f(x)在[a,b]上的最佳一致逼近多项式，也称极小化极大多项式；

采用里米兹算法求取最佳多项式；根据切比雪夫定理求解

其中：ak(k＝0,1,…n)为待求多项式系数；ρ为最佳逼近值；x_i用反复校正法取得。

步骤S102中，本发明实施例提供的危害数据模型构建方法如下：

(1)获取多份植物叶片样本，分别划定虫害等级；

(2)分别测定各植物叶片样本的叶损量、相对叶绿素含量、相对含水量和特征波长光谱值，并将所采集的数据随机划分为实验组和验证组；

(3)设置采样点并获取对应采样点的植物叶损特征，然后根据所获取的叶损特征确定毒蛾的危害等级，同时，对应记录无危害和受毒蛾危害的植物样品采样点坐标；

(4)根据各采样点确定的毒蛾危害的植物表征进行选择与之对应的遥感指标，所述的遥感指标至少包括：叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI；

(5)耦合步骤(3)毒蛾的危害等级和步骤(4)的遥感指标进行对应建立毒蛾危害检测数学模型。

步骤S103中，本发明实施例提供的植物是否受毒蛾危害的判断方法如下：

1)测定多组无危害及受毒蛾危害的植物叶片光谱数据；

2)运用相关数理统计方法，获取毒蛾危害下植物叶片特征波长；

3)根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；

4)基于所得特征波长，构建毒蛾危害特征光谱指数；

5)从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；

6)根据各竹林像元所对应的特征光谱指数值，判断竹林是否受毒蛾危害。

本发明实施例提供的步骤2)中提取特征波长的分析对象包括原始光谱数据和一阶微分光谱数据。

本发明实施例提供的步骤2)中提取特征波长的方法包括单因素方差分析法和/或欧式距离法和/或相关系数法和/或光谱角余弦法。

本发明实施例提供的毒蛾危害检测的特征光谱指数表达式：

CSI＝[NIR+(NIR-R)]×(R-G)；

其中，CSI为毒蛾危害特征光谱指数；NIR为多光谱遥感卫星影像近红外波段的反射率；R为多光谱遥感卫星影像红光波段的反射率；G为多光谱遥感卫星影像绿光波段的反射率；

所述多光谱遥感卫星影像通过多光谱遥感卫星传感器对竹林所在区域进行采集获得。

步骤S104中，本发明实施例提供的利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理，根据判断结果进行及时警报通知，提高判定结果的准确性和报警的效率；具有步骤为：

(1)计算新报警a_new与样本报警对应属性的相似度；

假设样本报警A＝{a₁，a₂，…a_n}，每个报警有m个属性；根据各属性相似度计算公式，得到新报警与已知报警{a₁，a₂，…a_n}的属性相似度矩阵，如下式所示：

(2)计算属性相似度矩阵的相关系数，判断各属性之间的相关性；

利用下式，计算属性相似度的相关系数，并构造系数矩阵R＝(r_ij)_n×m

其中，s_kj为新报警与第k个报警在第j个属性上的相似度；

(3)获取新的属性指标

计算系数矩阵R的特征值{λ₁，λ₂，…λ_m}，及对应的特征向量{w₁，w₂，…w _m}，将特征向量对应分量作为各属性的权重，得m个新的属性指标；第i个报警的第j个新属性指标值的计算如下式所示：

其中，w_ij为特征向量w_i的第j个分量；

(4)计算新报警与样本报警的相似度；

首先根据系数矩阵R的特征值{λ₁，λ₂，…λ_m}，计算出第j个新指标的权重b_j；然后，将新报警与第i个报警的m个新指标进行加权求平均得到两个报警的相似度，如下式所示

其中，y_ij为第i个报警的第j个新指标。

如图2所示，本发明提供的毒蛾危害检测的特征光谱指数检测系统包括：光谱数据采集模块1、数据传输模块2、中央控制模块3、危害数据模型构建模块4、危害判断模块5、报警模块6、数据存储模块7、数据显示模块8。

光谱数据采集模块1，与数据传输模块2连接，用于通过光谱设备测定多组无危害及受毒蛾危害的植物叶片光谱数据；

数据传输模块2，与光谱数据采集模块1、中央控制模块3连接，用于通过数据线传输采集的光谱数据；

中央控制模块3，与光谱数据采集模块1、数据传输模块2、危害数据模型构建模块4、危害判断模块5、报警模块6、数据存储模块7、数据显示模块8连接，用于通过单片机控制各个模块正常工作；

危害数据模型构建模块4，与中央控制模块3连接，用于通过数据处理程序构建植物受毒蛾危害数学模型；

危害判断模块5，与中央控制模块3连接，用于通过判断程序判断植物是否受毒蛾危害；

报警模块6，与中央控制模块3连接，用于通过警报器根据判断结果进行及时警报通知；

数据存储模块7，与中央控制模块3连接，用于通过存储器存储采集的植物叶片光谱数据

数据显示模块8，与中央控制模块3连接，用于通过显示器显示采集的植物叶片光谱数据、毒蛾危害判断数据。

本发明提供的危害数据模型构建模块4构建方法如下：

(1)获取多份植物叶片样本，分别划定虫害等级；

(2)分别测定各植物叶片样本的叶损量、相对叶绿素含量、相对含水量和特征波长光谱值，并将所采集的数据随机划分为实验组和验证组；

(3)设置采样点并获取对应采样点的植物叶损特征，然后根据所获取的叶损特征确定毒蛾的危害等级，同时，对应记录无危害和受毒蛾危害的植物样品采样点坐标；

(4)根据各采样点确定的毒蛾危害的植物表征进行选择与之对应的遥感指标，所述的遥感指标至少包括：叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI；

(5)耦合步骤(3)毒蛾的危害等级和步骤(4)的遥感指标进行对应建立毒蛾危害检测数学模型。

本发明提供的危害判断模块5判断方法如下：

1)测定多组无危害及受毒蛾危害的植物叶片光谱数据；

2)运用相关数理统计方法，获取毒蛾危害下植物叶片特征波长；

3)根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；

4)基于所得特征波长，构建毒蛾危害特征光谱指数；

5)从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；

6)根据各竹林像元所对应的特征光谱指数值，判断竹林是否受毒蛾危害。

本发明提供的步骤2)中提取特征波长的分析对象包括原始光谱数据和一阶微分光谱数据。

本发明提供的步骤2)中提取特征波长的方法包括单因素方差分析法和/或欧式距离法和/或相关系数法和/或光谱角余弦法。

本发明提供的毒蛾危害检测的特征光谱指数表达式：

CSI＝[NIR+(NIR-R)]×(R-G)；

其中，CSI为毒蛾危害特征光谱指数；NIR为多光谱遥感卫星影像近红外波段的反射率；R为多光谱遥感卫星影像红光波段的反射率；G为多光谱遥感卫星影像绿光波段的反射率；

所述多光谱遥感卫星影像通过多光谱遥感卫星传感器对竹林所在区域进行采集获得。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种毒蛾危害检测的特征光谱指数检测方法，其特征在于，所述毒蛾危害检测的特征光谱指数检测方法包括：

第一步，利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据；通过数据线传输采集的光谱数据；

第二步，利用数据处理程序构建植物受毒蛾危害数学模型；

第三步，利用判断程序判断植物是否受毒蛾危害；

第四步，利用警报器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，进行异常数据集的降维处理，根据判断结果进行及时警报通知；

第五步，利用存储器存储采集的植物叶片光谱数据；并利用显示器显示采集的植物叶片光谱数据、毒蛾危害判断数据。

2.如权利要求1所述的毒蛾危害检测的特征光谱指数检测方法，其特征在于，所述第一步中利用光谱设备采用最佳一致逼近方法测定多组无危害及受毒蛾危害的植物叶片光谱数据，具体的算法为：

设f(x)∈C[a,b],p_n(x)是次数不超过n的全体多项式构成的集合；如果

则称p*(x)是f(x)在[a,b]上的最佳一致逼近多项式，也称极小化极大多项式；

采用里米兹算法求取最佳多项式；根据切比雪夫定理求解：

其中：ak(k＝0,1,…n)为待求多项式系数；ρ为最佳逼近值；x_i用反复校正法取得。

3.如权利要求1所述的毒蛾危害检测的特征光谱指数检测方法，其特征在于，所述第二步的危害数据模型构建方法如下：

(1)获取多份植物叶片样本，分别划定虫害等级；

(2)分别测定各植物叶片样本的叶损量、相对叶绿素含量、相对含水量和特征波长光谱值，并将所采集的数据随机划分为实验组和验证组；

(3)设置采样点并获取对应采样点的植物叶损特征，然后根据所获取的叶损特征确定毒蛾的危害等级，同时，对应记录无危害和受毒蛾危害的植物样品采样点坐标；

(4)根据各采样点确定的毒蛾危害的植物表征进行选择与之对应的遥感指标，所述的遥感指标至少包括：叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI；

(5)耦合步骤(3)毒蛾的危害等级和步骤(4)的遥感指标进行对应建立毒蛾危害检测数学模型。

4.如权利要求1所述的毒蛾危害检测的特征光谱指数检测方法，其特征在于，所述第三步植物是否受毒蛾危害的判断方法如下：

1)测定多组无危害及受毒蛾危害的植物叶片光谱数据；

2)运用相关数理统计方法，获取毒蛾危害下植物叶片特征波长；

3)根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；

4)基于所得特征波长，构建毒蛾危害特征光谱指数；

5)从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；

6)根据各竹林像元所对应的特征光谱指数值，判断竹林是否受毒蛾危害。

5.一种实现权利要求1所述毒蛾危害检测的特征光谱指数检测方法的毒蛾危害检测的特征光谱指数检测系统，其特征在于，所述毒蛾危害检测的特征光谱指数检测系统包括：

光谱数据采集模块，与数据传输模块连接，用于通过光谱设备测定多组无危害及受毒蛾危害的植物叶片光谱数据；

数据传输模块，与光谱数据采集模块、中央控制模块连接，用于通过数据线传输采集的光谱数据；

中央控制模块，与光谱数据采集模块、数据传输模块、危害数据模型构建模块、危害判断模块、报警模块、数据存储模块、数据显示模块连接，用于通过单片机控制各个模块正常工作；

危害数据模型构建模块，与中央控制模块连接，用于通过数据处理程序构建植物受毒蛾危害数学模型；

危害判断模块，与中央控制模块连接，用于通过判断程序判断植物是否受毒蛾危害；

报警模块，与中央控制模块连接，用于通过警报器根据判断结果进行及时警报通知；

数据存储模块，与中央控制模块连接，用于通过存储器存储采集的植物叶片光谱数据；

数据显示模块，与中央控制模块连接，用于通过显示器显示采集的植物叶片光谱数据、毒蛾危害判断数据。

6.一种应用权利要求1～4任意一项所述毒蛾危害检测的特征光谱指数检测方法的毒蛾危害检测终端。