《大田小区小麦麦穗遥感智能计数规程（征求意见稿）》.docx

1

T/JAASSXX—2022

大田小区小麦麦穗遥感智能计数规程

1范围

本文件规定了以无人机影像为遥感数据，规定了影像获取、影像预处理、大田小麦麦穗数量计算、测报产品制作等方法。

本文件适用于江苏省小麦种植区。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其必威体育精装版版本（包括所有的修改单）适用于本文件。

GB/T14950摄影测量与遥感术语

GB15968遥感影像平面图制作规范

GB/T20257-2017国家基本比例尺地图图式GB/T17798地理空间数据交换格式

GJB2700卫星遥感器术语

DB32/T2430-2013大田小麦长势遥感测报操作规范

QX/T364-2016卫星遥感冬小麦长势测报图形产品制作规范CH/Z3001-2010无人机航摄安全作业基本要求

3术语和定义

下列术语和定义适用于本文件。

3.1

麦穗密度spikedensity

指在农田中单位面积内麦穗的数量。通常以每平方米或每公顷的麦穗数量来表示。3.2

监测时期Monitoringperiod

小麦成熟期。

3.3

遥感器Remotesensor

能感测事物并能将感测的结果传递给使用者的仪器。[GJB2700-1996]

3.4

机器学习Machinelearning

利用统计学和计算机科学的方法，让计算机从数据中学习并产生模型，用于识别和计数小麦麦穗等任务。

3.5

2

T/JAASSXX—2022

计数精度Accuracyassessment

对计数结果的准确性进行评估和验证的过程，与实地采样或其他手段相结合进行。

3.6

多时相图像Multi-temporalimages

不同时间获取的同一地区的图像。[GB/T14950-2009]3.7

种植制度Croppingsystem

指一个地区或生产单位的作物组成、配置、熟制与种植方式的综合。3.8

遥感技术Remotesensingtechnology

指利用卫星、无人机等遥感平台获取地球表面信息的技术，通常包括数据获取、处理、分析和应用等方面。

3.8

高分辨率图像Highresolutionimage

指图像中每个像素代表的地面面积较小，能够提供更为细致的地物信息的图像。3.9

平均绝对误差MeanAbsoluteError

衡量的是模型预测的麦穗数量与实际数量之间的平均绝对差值。3.9

均方根误差RootMeanSquaredError

均方根误差对平均绝对误差进行了平方处理，更注重较大误差的影响

4智能计数流程

4.1数据采集

使用无人遥感平台获取高分辨率图像。于晴朗、无云、无风或微风的天气，飞行高度12m,采用Z字型航线覆盖目标农田范围。传感器镜头垂直向下,数据获取时间与地面调查时间保持一致,

4.2辐射校正

对获取到的遥感图像数据进行辐射校正，利用机载传感器配套的定标板将获取的无人机影像DN值图像转换为反射率图像，转换公式为：

Rrs=DN×DB×B

式中：

Rrs——遥感反射率；

DN——遥感影像像元亮度值（DigitalNumber），无单位；DB——定标板像元亮度值；

B——定标板的校正系数；

4.3几何校正

通过添加已知控制点，对无人机影像进行几何精校正，校正后的影像地理位置偏差应小于1个像元。

3

T/JAASSXX—2022

4.4特征提取

特征提取采用经典的卷积神经网络架构作为基础，通过一系列卷积层、池化层来提取图像的局部特征。卷积层能够捕捉图像中的纹理、边缘等局部信息，池化层则可以降低特征图的维度，减少计算量。在卷积网络提取的特征基础上，引入Transformer架构来捕捉图像中的全局信息。Transformer中的自注意力机制可以对图像中的不同区域进行加权，使得模型能够更好地理解麦穗在整个大田小区中的分布情况。

4.5特征融合

将传统卷积网络提取的局部特征和Transformer提取的全局特征进行融合，融合的方式是通过注意力权重进行加权求和，得到既包含局部细节又包含全局上下文信息的综合特征。

4.6密度计数

利用生成的密度图，首先进行预处理以提高图像质量和准确性。然后，通过提取密度图中的麦穗区域，并采用像素级计数进行麦穗数量统计。最后，对统计结果进行分析，并以图表或报告形式展示，以直观呈现大田小区麦穗数量的分布情况。

5精度检测与评价

5.1精度检验

对监测区小麦提取结果精度检验，可以采用两种方法：有地面调查样点区