T/ZJNJ 0020-2023
基于无人机低空遥感的水稻育种表型检测技术规范

Technical specification for crop phenotyping in rice breeding with unmanned aerial vehicle low-altitude remote sensing

非常抱歉，我们暂时无法提供预览，您可以试试： 免费下载 T/ZJNJ 0020-2023 前三页，或者稍后再访问。

您也可以尝试购买此标准，
点击右侧 “立即购买” 按钮开始采购（由第三方提供）。

标准号

T/ZJNJ 0020-2023

发布

2024年

发布单位

中国团体标准

当前最新

T/ZJNJ 0020-2023

 

 

适用范围

5　无人机设备要求 5.1 无人机应具备以下性能： a)　有效载荷需大于所使用机载传感器设备的重量； b)　续航时间≥15 min； c)　飞行姿态平稳，倾斜角平稳度、俯仰角平稳度、偏航角平稳度的误差≤3°； d)　可抵御4级风力； e)　具备自主避障功能； f)　宜采用具备GNSS-RTK定位技术的无人机，水平定位精度≤3 cm，垂直定位精度≤5 cm； g)　拥有可进行二次开发的云台接口，方便拓展可搭载的传感器设备； h)　具有可用于挂载设备且具有横滚、俯仰、偏航三轴稳定效果的云台扩展模块。 5.2 室外环境应满足无人机低空遥感平台对使用环境的要求。要求如下： a)　温度：10℃～50℃； b)　风速：0 m/s～8.0 m/s； c)　相对湿度：0%～95%； d)　能见度不低于120 m； e)　太阳高度角（太阳光入射方向和地平面的夹角）宜在30°～90°之间； f)　建议光合有效辐射计测得光合光子通量密度值范围为400 μmol·m-2·s-1～2200 μmol·m-2·s-1。 6　无人机遥感配套设备要求 通则 无人机遥感配套设备由机载传感器设备和辅助设备组成。机载传感器设备应包括RGB成像传感器、多光谱成像传感器、高光谱成像传感器、激光雷达传感器等；辅助设备应包括光合有效辐射计、辐射定标板、颜色校正板、像控点等保证无人机遥感设备正常工作的设备和部件。 机载传感器说明 RGB成像传感器 RGB成像传感器主要性能指标要求如下： a)　相机镜头应为定焦镜头，且对焦无限远； b)　有效成像尺寸应不低于1/2英寸； c)　最大图像尺寸应不小于2000万像素； d)　最高快门速度应不低于1/500 s。 多光谱成像传感器 多光谱成像传感器主要性能指标要求如下： a)　相机镜头应为定焦镜头，且对焦无限远； b)　光谱波段数应大于等于3个，且至少有1个非可见光的波段； c)　成像帧率应不低于1张每秒； d)　图像地面分辨率应不低于10 cm/pixel（于作业高度）。 高光谱成像传感器 高光谱成像传感器主要性能指标要求如下： a)　相机镜头应为定焦镜头，且对焦无限远； b)　波段范围一般在可见光、近红外、短波红外的波段范围； c)　一般有推扫式和快照式两种成像方式。 激光雷达传感器 激光雷达传感器主要性能指标要求如下： a)　扫描线数一般不少于16； b)　测距精度不小于3 cm； c)　扫描频率不低于5 Hz。 辅助设备要求 光合有效辐射计 光合有效辐射计主要功能和性能指标要求如下： a)　测量400 nm～700 nm波段范围植被进行光合作用的太阳辐射光通量，单位为μmol·m-2·s-1，用于机载传感器曝光参数设定； b)　测量视角为180°； c)　响应时间小于1 ms； d)　一般无人机作业的适宜光合光子通量密度值范围为400 μmol·m-2·s-1～2200 μmol·m-2·s-1。 辐射定标板 辐射定标板主要功能和性能指标要求如下： a)　将多光谱、高光谱机载传感器获取的原始像元亮度值（digital number，DN）定标为地物的光谱反射率； b)　表面遵循朗伯定律，即从任何角度看都具有相同的辐射度； c)　至少应使用1块辐射定标板。 颜色校正板 颜色校正板主要功能和性能指标要求如下： 如图1所示，通过包含24个标准颜色信息的色卡对获取的RGB图像进行颜色校正，以确保图像颜色信息的准确性。 像控点 像控点示例及田间布设图如图2所示，其主要功能和布设要求如下： a)　通过测量像控点的精准RTK坐标，对图像进行几何校正和地理坐标定位，获得真实坐标信息，保证多次图像数据集的空间一致性； b)　布设像控点的原则一般为尽量保证无人机获取的每张图像上都有1～2个像控点，像控点的选择要以不遮挡研究物体为原则。 7　数据采集要求 天气情况基本要求 参见5.2室外环境应满足无人机低空遥感平台对使用环境的要求。 航线规划基本要求 航线规划基本要求如下： a)　根据任务需求，设定合适的机载传感器参数，如传感器尺寸、像素尺寸、最小拍照间隔等； b)　合理规划航线和飞行高度，确保能覆盖完整目标田块； c)　设置航向/旁向重叠度，为保证图像拼接质量，重叠度至少应设置为40%，建议为70%； d)　检查航线作业区域，避免地面高压线、无线电等设施和空中的禁飞区等干扰源，确保无人机飞行安全。 数据采集频率基本需求 数据采集频率基本需求如下： a)　于分蘖期、拔节期、灌浆期、成熟期时，每两周至少进行一次采集； b)　于孕穗期、始穗期、齐穗期时，每周至少进行一次采集； c)　有特殊需求时，需适当提高采集频率，可1～2天一次； d)　在连续多日阴雨天气后，应尽快进行数据采集，以补充天气不佳期间缺失的数据。 无人机飞行检查要求 每个飞行架次上电前后均应对无人机、传感器及其他设备进行相关检查，详见附录C。 8　遥感数据预处理方法 试验准备 首先采集一组已知几何参数的标定物数据以标定机载传感器参数，然后利用标定得到的参数拟合畸变模型，最后应用畸变模型以校正原图像。一般镜头畸变可分为径向畸变和切向畸变，示例校正公式参见附录D.1.1。 渐晕校正 首先选择合适的函数来拟合图像中灰度值的变化，然后构建一种可以解释渐晕图像灰度变化的渐晕模型，最后根据这一模型来得到各像素点的校正因子以校正原图像。 颜色校正 每拍摄一组照片之前，首先在与被拍摄物体较为一致的光照条件下使用机载传感器拍摄一张24色标准色卡，然后保持相机参数不变，拍摄物体。以此结合角点识别算法，实现标准色卡的自动识别，然后将每一个色块的平均RGB色彩值映射为色卡提供的标准颜色值在色彩空间中进行多项式拟合，得到最终的校正图像。 图像拼接 通过图像拼接软件自动检测特征点，匹配到的特征点用于计算图像之间的变换关系以实现图像配准，然后通过混合、渐变融合等方法处理图像的重叠区域以确保图像之间的过渡自然，最后融合图像，生成高精度的正射影像。 辐射校正 首先在图像采集区域内放置已知反射率信息的多块校正板，然后在图像中选取对应的感兴趣区域（region of interest，ROI），提取平均DN值，并基于线性校正法，建立图像之间的辐射校正因子，从而实现多光谱的辐射校正。示例校正公式参见附录D.1.2。 几何校正 首先在图像上选择已知地理坐标的像控点，根据选定的地面像控点建立几何变换模型，最后应用几何变换模型对图像进行几何变换，生成带有精确地理坐标的图像。示例多项式校正方法参见附录D.1.3。 田块分割 采用深度学习模型对大田图像的小区边界进行检测，然后通过已识别小区的中心点，拟合水平竖直方向直线来进行漏识别小区的补全，最后实现将每次采集的无人机大田图像自动高效分割为单个小区图像。 9　表型解析方法 株高提取 9.1.1 基于无人机图像建立数字高程模型，可以提取水稻株高，具体提取流程参见图D.1 (A)。 9.1.2 基于无人机机载雷达获取水稻点云，可以提取水稻株高，具体提取流程参见图D.1 (B)。 有效穗识别 基于无人机高清RGB图像建立稻穗识别的神经网络模型，可以计算出小区的有效穗数。 产量预测 9.3.1 基于无人机多源图谱数据计算植被指数等参数，可以预测水稻产量信息。 9.3.2 基于无人机多源图谱数据提取株高、有效穗、穗部形状等结构表型和叶绿素含量、氮素含量等生化表型，可以探索其与产量之间的联系，从而预测水稻产量信息。 10　表型解析评价指标 概述 依照不同的表型检测需求，使用多种不同的解析评价指标，一般使用回归分析与图像分类/目标检测/图像分割。 回归分析 回归分析的目标是建立一个数学模型，描述因变量如何随着自变量的变化而变化。常用的回归分析评判指标包括：均方误差、均方根误差、平均绝对误差、决定系数等。 图像分类/目标检测/图像分割 图像分类是将输入图像分配到预定义的类别或标签中；目标检测是图像处理中的一项任务，需要识别对象的类别，还需要确定对象在图像中的位置；图像分割是将图像划分成不同区域或对象的任务。一些常用的图像分类/检测/分割的评判指标包括：正确率、精准率、召回率、F1值、PR曲线、平均精度与交并比。

T/ZJNJ 0020-2023相似标准

推荐