DB37∕T 3446-2018 基于无人机的小麦群体长势大面积智能监测技术规程

ICS65.020DB37DB37/T3446—2018基于无人机的小麦群体长势大面积智能监测技术规程Technicalspecificationforintelligentmonitoringofgrowthstatusofwheatpopulationbasedonunmanedaerialvehicle山东省市场监督管理局发布IDB37/T3446—2018本标准按照GB/T1.1-2009给出的规则起草。本标准由山东农业大学提出。本标准由山东省农业标准化技术委员会归口。本标准起草单位：山东农业大学、山东省农业科学院科技信息研究所。本标准主要起草人：陈国庆、张晓艳、宁堂原。DB37/T3446—20181基于无人机的小麦群体长势大面积智能监测技术规程本标准规定了小麦长势大面积智能监测技术的相关术语和定义以及智能监测中设备要求或准备、监测方法与图像处理的技术要求。本标准适用于山东省小麦群体长势监测。2术语和定义下列术语和定义适用于本文件。2.1应用无人机平台获取的农田区域的光谱图像。2.2图像处理是指对光谱图像进行的前期处理及后期数据提取处理，包括图像的输出、保存及灰度值的提取。2.3灰度值Greyvalue灰度就是图像色彩的深浅程度。灰度值计算公式：Gray=0.2989×R+0.5870×G+0.1140×B。R、G、B代表红、绿、蓝三个通道的颜色。2.4归一化灰度值Normaldifferencegreyvalue归一化灰度值是借鉴归一化植被指数的计算方法计算得出的数值，指两个波段下图像的灰度值之差与二者之和的比值。2.5叶面积指数Leafareaindex又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。即叶面积指数=叶片总面积/土地面积。DB37/T3446—201822.6干物质积累Drymatteraccumulation干物质积累量即一定时间内，光合作用有机物积累量与该时间内呼吸作用有机物消耗量的差值，是衡量植物有机物积累、营养成分多寡的一个重要指标。2.7小麦长势Wheatgrows小麦的生长状态，通常用叶面积指数、干物质积累量来表示。3技术要求3.1监测前准备工作3.1.1无人机：a)采用带云台无人机，功能包括精准定位、定高功能。b)推进方式为螺旋桨，马达型号为空心杯电机。c)动力为可充电锂电池，≥1500mAh。d)控制系统为GPS定位+气压高度传感+3轴陀螺仪+3轴加速度计。e)最大飞行高度>100m。f)最大载重≥500g。g)最大上升速度和最大下降速度均为3m/s，最大飞行速度>30km/h。垂直悬停精度为≤0.5m，水平悬停精度为≤1.5m。h)最大飞行时间>30min。i)防抖云台为可拆式，角度抖动量为±0.03°,可控转动范围为-50°~+80°。j)遥控方式为2.4GHz无线可视遥控，按键操作，遥控器最大遥控距离>1500m。k)无人机最小尺寸为50cm（长）×50cm（宽）×20cm（高）。l)可调整拍摄角度。3.1.2拍照相机：a)拍照像素≥1200万，照片格式jpg，图片分辨率≥300万像素。c)相机滤光片为双波段滤光片，所用波段为560nm和810nm，带宽为10nm。d)相机最大重量为500g。3.2农田监测方法3.2.1监测指标包括小麦叶面积指数、小麦干物质积累量两个指标。3.2.2监测时间3.2.2.1从小麦播种到灌浆期内可进行监测。3.2.2.2在小麦生育期内，选择晴朗无云或少云微风的天气，一天中的10:00～14:00之间进行监测。3.2.3监测高度DB37/T3446—20183监测相机高度均保持在距离小麦冠层10m～12m范围内。3.2.4监测角度监测相机镜头方向垂直向下，与小麦冠层平面呈90°。3.2.5监测步骤3.2.5.1首先，在计算机中设定将进行监测的点，并设定无人机在每个监测点悬停的时间5s。其次，选择农田附近平整位置作为无人机起飞点和落地点。最后，操纵无人机进行田间小麦长势监测。3.2.5.2每个监测点每次监测需进行5次重复拍摄，即拍5张图像。3.2.6监测点选择一个监测面的面积约450m2，每个地块选择呈“之”字型分布的5个点进行监测。3.2.7监测人员监测人员2人，一人负责操作无人机，一人负责监测点校准和图像收集。3.3图像处理方法3.3.1图像处理软件具有提取图像RGB颜色值或灰度值的软件，如Photoshop、Matlab等。3.3.2图像获取方式3.3.2.1利用Photoshop消除广角图像中出现的鱼眼扭曲效果。3.3.2.2根据相机图片的拍摄时间和重复次数，将各个监测点的图像按监测点进行分类。3.3.3图像参数利用Photoshop软件获取图像的GV（灰度）参数。3.3.4小麦长势参数估算方法3.3.4.1根据小麦LAI（叶面积指数）和GY（干物质）指标和对应的归一化灰度，通过多元线性回归方法分别建立LAI、GY和归一化灰度的函数关系，并选择拟合误差最小的函数作为LAI和GY的计算方法。3.3.4.2叶面积指数的计算方法如下：LAI=-7.94RVI(560810)2+14.44RVI(560810)+0.46..............................................(1)RVI(560810)——在560nm和810nRVI(560810)=GV810/GV560...................................................................DB37/T3446—20184——560nm波段下的灰度值。3.3.4.3干物质积累的估算方程如下：