일.머리말

밀은 세계 3대 식량 작물 중의 하나로서 전 세계이다40%인구의 주식원.밀은 우리나라의 주요 식량 작물 중의 하나로서 재배 범위가 매우 넓다.전용 품종인 밀의 생장 상황은 우리나라 국민 경제 발전에 중요한 역할을 하기 때문에밀의 작황을 효율적이고 손상 없이 모니터링하여 밀 생산량을 적시에 정확하게 예측하는 것이 특히 중요해졌다.

2. 기술 사고방식과 주요 내용

오보천성전국 생산화를 이용했어다중 스펙트럼 이미저,10개의 서로 다른 품종의 밀을 연구 대상으로 하여, 한편으로는 다중 스펙트럼 카메라에서 채취한 밀의 양화 초기, 말기의 영상 데이터를 이용하여 영상 계산의 식생 지수를 이용하여 서로 다른 카메라 아래의 밀의 양화 초기와 말기의 엽록소 반연 모델을 구축한다;다른 한편으로는 드론 멀티 스펙트럼을 이용하여 밀 관개 중기 고해상도 영상을 획득하고, 색상 특징과 식생 지수를 바탕으로 밀 관개 중기의 엽록소와 밀 생산량 반전 모델을 구축한다.

그림1 총체적 기술 노선

필요한 내용:

1）다중 스펙트럼 영상 사전 처리: 다중 스펙트럼을 이용하여 밀 밭의 가시광선과 다중 스펙트럼 영상을 채집할 때 후속 영상 처리의 통일성을 보장하기 위해 인위적으로 노출 시간, 조리개 등 파라미터를 미리 설정해야 한다.영상을 수집한 후 후속 실험의 정량화 사용을 편리하게 하기 위해 영상 데이터를 획득하는 데 방사선 교정, 영향 접합, 정사 교정, 기하 교정과 영상 재단 등 사전 처리 조작을 진행해야 한다.

2）가시광선과 다중 스펙트럼 영상을 기반으로 한 밀잎 녹색소 함량 반전:10서로 다른 품종의 밀을 연구 대상으로 하여 가시광선과 다중 스펙트럼 카메라를 이용하여 밀의 양화 초기, 말기의 영상 데이터를 얻는다.실측한 밀엽록소 함량과 두 가지 영상 계산 다재배 피지수의 상관성 분석을 통해 밀엽록소 함량 **를 반전시키는 식생지수를 선정한다.마지막으로 선택한 식생지수에 근거하여 부동한 카메라하의 밀양화기와 말기의 엽록소함량반연모형을 구축하였다.

3）고해상도 드론 영상 기반 밀엽록소 및 생산량 반전: 드론에 탑재된 멀티스펙트럼 카메라를 이용해 획득밀 관개 중기의 영상 데이터.최소 곱하기 알고리즘을 도입하여 실측 매개변수와 관련성이 가장 높은 여러 특징을 자변량으로 선별하여 각각 밀 관개 중기 엽록소와 밀 생산량 반전 모델을 구축한다.

4) 무인탑재된 다중 스펙트럼 상비행기는 한 달에 한 번 비행하며, 장시간 시퀀스의 모니터링 영상 데이터를 기반으로 하여 정확한 모니터링에 참고 근거를 제공한다.

기술 요점

다중 스펙트럼 영상 사전 처리

센서 자체의 특성, 날씨 등 여러 가지 요소의 제한을 받기 때문에 데이터 획득 과정에서 오차가 발생할 수 밖에 없다. 이런 오차는 영상 데이터의 질을 떨어뜨릴 뿐만 아니라 후속 영향 분석의 정밀도에도 영향을 줄 수 있다.따라서 다중 스펙트럼 원격 감지 영상 분석을 하기 전에 원시 영상에 대한사전 처리 작업.이미지 데이터 사전 처리 프로세스 다이어그램2와 같이。

그림2 영상 데이터 사전 처리 흐름도

（1）방사선 보정:드론은 비행 중，빛과 날씨에 따라，가져온 이미지는스펙트럼 위상 회의왜곡이 생기다。위보증증 후속 영상 연결 임무가 순조롭게 완수되었습니다. 데이터에 대한 방사선 보정이 필요합니다.본문 에서 가시광선 영상 복사 교정 은 위조 를 채택하고 있다 표준지물법백판법，지상 목표에서 측정한 반사율로 이미지의 값을 이미지 반사율로 변환，훨씬 더 진실해요의 반영 지표 반사율，따라서 시험의 요구와 목적을 달성하다。다중 스펙트럼 영상 복사 교정은사용오보천성멀티 스펙트럼 이미저에는 데이터 처리 소프트웨어가 내장되어 있습니다.

（2）정사 보정:드론이 영상 데이터를 수집할 때，자연풍의 영향을 받아 기체아니디더링 방지、기울기 등 상황、동시에 카메라 렌즈도 비행 자세의 변화로 인해 투영 변형을 일으킬 수 있다，따라서 영상을 정사 교정할 필요가 있다。정사 교정은 교정 변환 함수를 기반으로 원본 영상의 픽셀을 교정 영상의 좌표계로 하나씩 변환하는 것이다. 처리 프로세스는 그림과 같습니다.3와 같습니다.

그림3 드론 영상 정사 교정 처리 프로세스

（3) 형상보정:무인기 자체의 위치 추적 시스템의 정밀도가 제한되어 있기 때문에, 게다가 비행 과정에서 공중 기류, 풍속과 풍향 등 외부 요소의 영향을 받기 쉽기 때문에, 영상을 획득하는 지리 좌표와 실제 좌표에 오차가 존재하기 때문에, 지상 제어점의 고정밀 위치 추적 시스템의 좌표 데이터를 통해 항공 촬영에 대한소리를 내어 기하학적 교정을 하다.

편극 최소 2 곱하기 회귀

실제 문제에서 두 그룹의 다중 관련 변수 간의 상호 의존 관계를 연구하고 한 그룹의 변수 (자변수 또는 예측 변수) 로 다른 그룹의 변수 (변수 또는 응답 변수) 를 예측하는 것을 연구해야 한다. 최소 2승 준칙 하의 고전적 다원적 선형 회귀 분석 (MLR는), 인수의 성분을 추출하는 주성분 회귀분석(PCR는) 등의 방법 외에 최근 몇 년 동안 발전해 온 최소 2승 (PLS는) 회귀 방법.

최소 2 곱하기 회귀는 다대다선형 회귀 모델링 방법을 제공한다. 특히 두 그룹 변수의 개수가 많고 다중 관련성이 존재하지만 관측 데이터의 수량(샘플량)이 적을 때 최소 2 곱하기 회귀로 구축된 모델은 전통적인 고전 회귀 분석 등 방법에 없는 장점을 가진다.최소 2 곱하기 회귀분석은 모델링 과정에서 주성분 분석, 전형적인 관련 분석과 선형 회귀분석 방법의 특징을 집중했기 때문에 분석 결과에서 더욱 합리적인 회귀모델을 제공할 수 있을 뿐만 아니라 주성분 분석과 전형적인 관련 분석과 유사한 연구 내용을 동시에 완성하여 더욱 풍부하게 제공하다심도 있는 정보.

식생 각종 지수 계산 공식

표1 식생지수 계산 공식

4. 방안 실시

4.1많다스펙트럼 무인기 비행 서비스

다중 스펙트럼 이미징은 여러 스펙트럼 대역을 동시에 얻을 수 있는 것을 말합니다 (일반적으로 같음 이상).3개) 및 가시광선을 바탕으로 적외선과 자외선 두 방향으로 확장된 스펙트럼 탐지 기술.흔히 볼 수 있는 실현 방법은 각종 필터나 분광기와 디지털 이미지 센서의 조합을 통해 같은 시각에 각각 같은 목표를 다른 시간에 수신하도록 하는 것이다좁은스펙트럼 대역 범위 내에서 방사되거나 반사되는 광신호는 목표가 몇 장의 다른 스펙트럼 대역에 있는 사진을 얻는다.다중 스펙트럼 이미지는 영상 분광기에서 얻은 것이다. 다중 스펙트럼 영상기는 스펙트럼 특징과 공간 영상 정보를 동시에 얻을 수 있는 설비로 광전 영상 시스템 발전의 중요한 방향이다.다중 스펙트럼 이미징 시스템은3다음20개의 비연속 주파수 대역의 이미지는 이미 농업과 식품 분야에서 광범위하게 응용되었다.영상 원리에서 말하자면, 다중 스펙트럼 영상 기술은 입사된 전 주파수 대역이나 넓은 주파수 대역의 광 신호를 몇 개로 나누는 것이다좁은주파수 대역의 광속, 그리고 그들을 각각 상응하는 탐측기에 영상화하여 서로 다른 스펙트럼 대역의 이미지를 얻는다.따라서 활용도가 높음스펙트럼 특성은 식물과 비식물을 분리할 수 있으며 드론과 결합하여 실현할 수 있다식생 건강 상태 분석。

드론이 많다스펙트럼은 다음과 같은 특징을 가지고 있습니다.

채집 속도가 빠르다。다중 스펙트럼은 채집하는 주파수 대역이 상대적으로 적기 때문에 채집 속도가 상대적으로 빠르다；

복잡성 감소。주파수대역수의 제한으로 하여 다중스펙트럼의 복잡성이 비교적 낮고 리해하고 응용하기 쉬우며 처리작업이 상대적으로 적다.

데이터의 양이 풍부하다.주파수 대역수가 증가함에 따라 데이터의 양은 지수 증가를 나타낸다.공간 도메인 정보 및 스펙트럼 도메인 정보, 즉“도감 합일”또한 영상 분광기에서 얻은 스펙트럼 곡선은 지면에서 실측한 동종 지물 스펙트럼 곡선과 유추할 수 있다.

계획된 연구 구역에서 수요에 따라채집 높이스펙트럼 영상.구체적인 단계는 다음과 같습니다.

드론단 설정: 드론 고스펙트럼 설비 조립, 항고, 속력 설정, 카메라 매개변수와 영상에 따라 중첩도 수요영상 항로 간격 설정하기;

카메라단 설정: 항공 고속력에 따라 카메라 프레임 속도를 설정하고, 화이트보드 측정 값에 따라 포인트 시간 (노출 시간) 을 설정한다.

표준 반사율 화이트보드: 항로 구역에 표준 반사율 화이트보드를 배치하고 영상을 채집할 때 화이트보드를 촬영해야 한다.

그림8 드론 하이 스펙트럼 데이터 수집 설명도

4.2드론 하이 스펙트럼 영상 처리

드론 하이 스펙트럼 영상 데이터 수집 후 다음 사전 처리 작업이 필요합니다.

파장 측정표: 수집한 원본 영상에는 파장 정보가 없어 파장 측정표 파일을 추가해야 한다;

영상 재단: 높은 스펙트럼 사용푸시식영상, 채집한 측정구역 영상을 재단해야 한다;

조준 조립: 재단된 측구 영상을 지리적 조준 또는 상대적 조준을 진행하고, 그 후 조준된 영상을 완전한 영상으로 조립한다;

방사선 보정: 원본 이미지의 값은 반사 강도를 나타내며 화이트보드 반사 값과 레이블을 사용해야 합니다.전체 영상의 반사율을 계산하기 위해 정확도를 교정합니다.

혼합 스펙트럼 분해: 드론이 수집한 스펙트럼 데이터는 공간 해상도 영상을 받아 하나의 픽셀에서 서로 다른 지물이나 식생이 혼합되어 평균적으로 만들어질 수 있으며, 정밀도를 높이기 위해 영상에 대해 혼합 스펙트럼 분해 조작을 진행해야 한다;

（6) 스펙트럼 필터 (매끄럽게): 원본 이미지의 스펙트럼 정보에 일정한 잡음이 존재하기 때문에 응용하기 전에 스펙트럼 필터를 해야 합니다.

스펙트럼 이미지 처리 소프트웨어 인터페이스:

그림9 드론 하이 스펙트럼 영상 처리 소프트웨어 인터페이스 설명도

4.3지물 샘플 데이터 수집

오보천성전국적으로 생산된 고스펙트럼영상기와 지물분광기를 리용하여 현지에서 현장조사를 전개하였는데 그 목적은 무인기 원격감지영상의 분류에 현장분류모형의 진실한 훈련견본과 분류결과의 검사견본을 제공하기 위해서이다.현장 조사의 주요 내용은 감염된 이삭목을 측정하는 것이다역병의 벼 스펙트럼 데이터, 지물 스펙트럼을 채집한모든 이삭 목병벼 스펙트럼 데이터는 감염 정도에 따라 등급을 구분해 드론 하이스펙트럼 영상 데이터 처리의 표준 훈련 샘플 데이터 세트로 활용한다.

4.4결과 분석

그림12 식생 함수량 반전 결과

4.4.1예상 결과 신뢰성

모델 정밀도 검사는 균일 및 오차(루트 평균 사각형 오류, RMSE) 및 상관 관계 (r) 두 가지 지표로 분석한다.

식중,n샘플 수,샘플i의 실험실 측정치,모든 검증 샘플의 평균값입니다.모델 예측치를 활용하기 위해모든 검증 샘플에 대한 예측 값의 평균입니다.RMSE는값이 작을수록,R상관 관계 값이 클수록 모델 정밀도가 높아집니다.

4.4.2추정 정밀도 영향 요소

반전 결과의 정밀도에 영향을 주는 요소는 주로 다음과 같은 몇 가지 측면을 포함합니다.

1. 스펙트럼 데이터: 외부 데이터 수집 시 환경 영향과 불확실성의 인위적인 조작 영향, 지도촬영한 높은 스펙트럼 영상의 질에 일정한 차이가 존재한다.그러나 이 요인은 주요 요인이 아니다.

2. 실측 데이터: 실측 데이터는 날개의 스펙트럼 데이터와 파라미터 정량 측정 데이터를 포함한다.계기설비와 인위적인 조작요소 등의 영향으로 이 두가지 실측수치에는 일정한 오차가 존재할수 있지만 반연결과에 대한 영향은 비교적 작다.중요한 것은 이 두 가지 실측 값을 측정할 때의 시간차가 영상 반사 모델의 주요 요소 중 하나라는 것이다.날개를 채취한 후 장시간 재측정하는 것을 최대한 피하고 스펙트럼 측정과 파라미터 정량 측정이 동시에 진행되도록 보장한다.

3. 반전 모델: 반전 모델의 구축은 반전 정밀도에 영향을 주는 주요 요소이다.특징 스펙트럼의 선택, 변수의 형식 및 반연 모델의 형식 등의 영향으로 반연 결과에 큰 불확실성이 존재한다.