(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211341210.8 (22)申请日 2022.10.31 (71)申请人 吉林高分遥感应用研究院有限公司 地址 130000 吉林省长 春市朝阳区前进大 街996号力旺广场15 32室 (72)发明人 陈圣波　徐锡统　崔亮　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/766(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G01N 21/84(2006.01) (54)发明名称 玉米长势监测方法、 系统、 电子设备及计算 机存储介质 (57)摘要 本发明涉及一种玉米长势监测方法、 系统、 电子设备及计算机存储介质， 涉及遥感领域， 方 法包括获取玉米的第一遥感影像和第二遥感影 像； 根据第一遥感影像和第二遥感影像利用深度 学习算法进行预测， 得到带有预测时间的高分辨 率预测影像； 对 带有预测时间的高分辨率预测影 像进行波段计算， 得到归一化差值植被指数、 比 值植被指数、 增强植被指数和绿度植被指数； 根 据归一化差值植被指数的最大值和最小值确定 光合有效辐射吸收比例； 以光合有效辐射吸收比 例为回归系数， 根据比值植被指数、 增强植被指 数和绿度植被指数， 构建玉米长势监测模型； 根 据玉米长势监测模型对玉米不同阶段的长势进 行监测。 本发明能够提高玉米 长势的监测精度。 权利要求书3页 说明书9页 附图3页 CN 115471760 A 2022.12.13 CN 115471760 A 1.一种玉米长势监测方法， 其特 征在于， 包括： 获取玉米的第 一遥感影像和第 二遥感影像； 所述第 一遥感影像的分辨率大于所述第 二 遥感影像的分辨 率； 根据所述第 一遥感影像和所述第 二遥感影像利用深度学习算法进行预测， 得到带有预 测时间的高分辨 率预测影 像； 对所述带有预测时间的高分辨率预测影像进行波段计算， 得到归一化差值植被指数、 比值植被指数、 增强植被指数和绿度植被指数； 根据所述归一 化差值植被指数的最大值和最小值确定光 合有效辐射吸 收比例； 以所述光合有效辐射吸收比例为回归系数， 根据所述比值植被指数、 所述增强植被指 数和所述绿度植被指数， 构建玉米长势监测模型； 所述玉米长势监测模型包括出苗期玉米 生长指数、 拔节期与抽雄期玉米生长指数和花粒期玉米生长指数； 根据所述玉米长势监测模型对玉米不同阶段的长势进行监测。 2.根据权利要求1所述的玉米长势监测方法， 其特征在于， 所述根据所述第 一遥感影像 和所述第二遥感影像利用深度学习算法进行预测， 得到带有预测 时间的高分辨率预测影 像， 具体包括： 分别将所述第 一遥感影像和两个所述第 二遥感影像进行两层卷积和激活， 得到三个两 次卷积结果； 分别对三个所述两次卷积结果进行一层卷积， 得到三个三次卷积结果； 将三个所述 三次卷积结果进行加权求和， 得到带有预测时间的高分辨 率预测影 像。 3.根据权利要求1所述的玉米长势监测方法， 其特征在于， 所述对所述带有预测时间的 高分辨率预测影像进 行波段计算， 得到归一化差值植被指数、 比值植被指数、 增强植被指数 和绿度植被指数， 具体包括： 根据所述带有预测时间的高分辨率预测影像的近红外波段和 红光波段计算所述归一 化差值植被指数； 根据所述带有预测时间的高分辨率预测影像的近红外波段和 红光波段计算所述比值 植被指数； 根据所述带有预测时间的高分辨率预测影像的近红外波段、 红光波段和蓝光波段计算 所述增强植被指数； 根据所述带有预测时间的高分辨率预测影像的近红外波段、 红光波段、 蓝光波段和绿 光波段计算所述绿度植被指数。 4.根据权利要求1所述的玉米长势监测方法， 其特征在于， 所述以所述光合有效辐射吸 收比例为回归系数， 根据所述比值植被指数、 所述增强植被指数和所述绿度植被指数， 构建 玉米长势监测模型， 具体包括： 以所述光合有效辐射吸收比例为 回归系数， 根据 所述比值植被指数和所述绿度植被指 数构建所述出苗期玉米生长指数； 以所述光合有效辐射吸收比例为 回归系数， 根据 所述比值植被指数和所述增强植被指 数构建所述 拔节期与抽雄期玉米生长指数； 以所述光合有效辐射吸收比例为回归系数， 根据所述比值植被指数、 所述增强植被指 数和所述绿度植被指数， 构建所述 花粒期玉米生长指数。权　利　要　求　书 1/3 页 2 CN 115471760 A 25.一种玉米长势监测系统， 其特 征在于， 包括： 获取模块， 用于获取玉米的第一遥感影像和第二遥感影像； 所述第一遥感影像的分辨 率大于所述第二遥感影 像的分辨 率； 预测模块， 用于根据 所述第一遥感影像和所述第 二遥感影像利用深度 学习算法进行预 测， 得到带有预测时间的高分辨 率预测影 像； 波段计算模块， 用于对所述带有预测时间的高分辨率预测影像进行波段计算， 得到归 一化差值植被指数、 比值 植被指数、 增强植被指数和绿度植被指数； 光合有效辐射吸收比例确定模块， 用于根据 所述归一化差值植被指数的最大值和最小 值确定光 合有效辐射吸 收比例； 构建模块， 以所述光合有效辐射吸收比例为 回归系数， 根据 所述比值植被指数、 所述增 强植被指数和所述绿度植被指数， 构建玉米长势监测模型； 所述玉米长势监测模型包括出 苗期玉米生长指数、 拔节期与抽雄期玉米生长指数和花粒期玉米生长指数； 监测模块， 用于根据所述玉米长势监测模型对玉米不同阶段的长势进行监测。 6.根据权利要求5所述的玉米长势监测系统， 其特 征在于， 所述预测模块， 具体包括： 卷积和激活单元， 用于分别将所述第 一遥感影像和两个所述第 二遥感影像进行两层卷 积和激活， 得到三个两次卷积结果； 一层卷积单元， 用于分别对三个所述两次卷积结果进行一层卷积， 得到三个三次卷积 结果； 加权求和单元， 用于将三个所述三次卷积结果进行加权求和， 得到带有预测时间的高 分辨率预测影 像。 7.根据权利要求5所述的玉米长势监测系统， 其特征在于， 所述波段计算模块， 具体包 括： 归一化差值植被指数计算单元， 用于根据 所述带有预测时间的高分辨率预测影像的近 红外波段和红光波段计算所述归一 化差值植被指数； 比值植被指数计算单元， 用于根据 所述带有预测时间的高分辨率预测影像的近红外波 段和红光波段计算所述比值 植被指数； 增强植被指数计算单元， 用于根据 所述带有预测时间的高分辨率预测影像的近红外波 段、 红光波段和蓝光波段计算所述增强植被指数； 绿度植被指数计算单元， 用于根据 所述带有预测时间的高分辨率预测影像的近红外波 段、 红光波段、 蓝光波段和绿光波段计算所述绿度植被指数。 8.根据权利要求5所述的玉米长势监测系统， 其特 征在于， 所述构建模块， 具体包括： 出苗期玉米生长指数构建单元， 用于以所述光合有效辐射吸收比例为回归系数， 根据 所述比值 植被指数和所述绿度植被指数构建所述出苗期玉米生长指数； 拔节期与抽雄期玉米生长指数构建单元， 用于以所述光合有 效辐射吸收比例为回归系 数， 根据所述比值 植被指数和所述增强植被指数构建所述 拔节期与抽雄期玉米生长指数； 花粒期玉米生长指数构建单元， 用于以所述光合有效辐射吸收比例为回归系数， 根据 所述比值植被指数、 所述增强植被指数和所述绿度植被指数， 构建所述花粒期玉米生长指 数。 9.一种电子设备， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115471760 A 3