本发明涉及图像处理，尤其涉及一种基于无人机监测的茶树生长规律分析方法及系统。
背景技术：
1、现有的茶树生长规律分析方法主要依赖于传统的地面调查和人工观测。这些方法通常采用定期实地采样、测量茶树形态参数、分析土壤和气候数据等手段来研究茶树的生长特性和环境影响。同时，一些研究开始采用卫星遥感技术来监测大面积茶园的生长状况，通过分析多光谱影像来评估茶树的生长趋势和产量预测。
2、然而，这些传统方法存在一些局限性。地面调查耗时耗力，难以实现大规模、高频率的监测；卫星遥感虽然覆盖面广，但空间分辨率有限，难以精确捕捉单株茶树的生长变化。此外，现有方法往往难以有效整合多源数据，缺乏对茶树生长与环境因子之间复杂交互关系的深入分析。
技术实现思路
1、有鉴于此，本发明实施例提供了一种基于无人机监测的茶树生长规律分析方法及系统，用于提高基于无人机监测的茶树生长规律分析的准确率。
2、本发明提供了一种基于无人机监测的茶树生长规律分析方法，包括：对预置的茶树分布数据进行高精度地理编码及多因素分层抽样，得到样本茶树分布信息，其中，所述样本茶树分布信息包括：样本茶树位置以及样本茶树种类；基于所述样本茶树分布信息，通过预置的无人机集群对所述样本茶树位置对应的茶树区域进行多时相图像采集，得到包含可见光和近红外波段的时序图像集；对所述时序图像集进行几何校正、辐射校正及正射影像生成处理，得到处理图像集，并通过图像分割算法对所述处理图像集进行单株茶树特征提取，得到生长指标数据集；对所述生长指标数据集进行时间序列分解及非线性趋势分析，得到茶树生长动态特征；对所述生长动态特征与预先获取的环境因子进行多元统计分析和主成分分析，得到环境影响定量描述数据；对所述环境影响定量描述数据进行时空耦合分析和规律提取，得到茶树生长规律，其中，所述茶树生长规律包括年生长周期、径向生长速率、关键生长期时间节点及环境因子影响程度。
3、在本发明中，所述对预置的茶树分布数据进行高精度地理编码及多因素分层抽样，得到样本茶树分布信息，其中，所述样本茶树分布信息包括：样本茶树位置以及样本茶树种类步骤，包括：对所述茶树分布数据进行空间插值及密度分析，得到茶树分布热力图；对所述茶树分布热力图进行地形叠加及坡向分析，得到地形加权茶树分布图；基于所述地形加权茶树分布图，通过k-means聚类算法对茶树进行空间聚类，得到茶树空间分布簇；对所述茶树空间分布簇进行边界提取及形状分析，得到茶园轮廓数据；基于所述茶园轮廓数据，通过分层随机抽样算法对茶园进行分区取样，得到初始样本点集；对所述初始样本点集进行空间自相关分析及异常检测，得到优化样本点集；基于所述优化样本点集，通过最近邻插值算法对茶树种类进行空间分布推测，得到茶树种类分布图；对所述茶树种类分布图进行空间频率分析及边界增强，得到高精度茶树种类分布图；基于所述高精度茶树种类分布图，通过差分gps定位对样本点进行实地校准，得到校准样本茶树位置数据；对所述校准样本茶树位置数据进行属性关联及数据融合，得到所述样本茶树分布信息，其中，所述样本茶树分布信息包括：样本茶树位置以及样本茶树种类。
4、在本发明中，所述基于所述样本茶树分布信息，通过预置的无人机集群对所述样本茶树位置对应的茶树区域进行多时相图像采集，得到包含可见光和近红外波段的时序图像集步骤，包括：对所述样本茶树分布信息进行空间聚类分析，得到茶树区域子块；基于所述茶树区域子块，通过蚁群算法对无人机飞行路径进行优化规划，得到优化飞行路径；对所述优化飞行路径进行时间窗口划分及任务分配，得到无人机集群协同作业方案；基于所述无人机集群协同作业方案，对无人机集群进行动态调度及任务下发，得到实时飞行状态数据；对所述实时飞行状态数据进行姿态解算及位置校正，得到精确飞行轨迹；基于所述精确飞行轨迹，通过自适应曝光算法对成像参数进行实时调整，得到光谱均衡图像；对所述光谱均衡图像进行多尺度融合及去噪处理，得到增强图像；基于所述增强图像，通过深度学习算法对图像内容进行语义分割，得到茶树区域掩膜；对所述茶树区域掩膜进行形态学处理及边界精化，得到精确茶树轮廓；基于所述精确茶树轮廓，对多时相图像进行配准及时序堆叠，得到包含可见光和近红外波段的时序图像集。
5、在本发明中，所述对所述时序图像集进行几何校正、辐射校正及正射影像生成处理，得到处理图像集，并通过图像分割算法对所述处理图像集进行单株茶树特征提取，得到生长指标数据集步骤，包括：对所述时序图像集进行多点控制点匹配及几何变换，得到初步校正图像；基于所述初步校正图像，通过自适应直方图均衡算法对图像进行辐射校正，得到辐射均衡图像；对所述辐射均衡图像进行数字高程模型融合及正射投影，得到正射影像；基于所述正射影像，通过多尺度分水岭算法对图像进行初步分割，得到茶树轮廓候选区；对所述茶树轮廓候选区进行形态学操作及边界优化，得到精确茶树轮廓；基于所述精确茶树轮廓，通过区域生长算法对单株茶树进行分割，得到单株茶树掩膜；对所述单株茶树掩膜进行纹理特征提取及统计分析，得到茶树冠层特征描述符；基于所述茶树冠层特征描述符，通过支持向量机算法对茶树进行健康状态分类，得到茶树健康指数；对所述茶树健康指数进行时间序列分析及异常检测，得到生长异常标记；基于所述生长异常标记，对茶树生长指标进行多维度计算及归一化处理，得到生长指标数据集。
6、在本发明中，所述对所述生长指标数据集进行时间序列分解及非线性趋势分析，得到茶树生长动态特征步骤，包括：对所述生长指标数据集进行缺失值插补及异常值检测，得到预处理数据集；基于所述预处理数据集，通过小波变换算法对时间序列进行多尺度分解，得到趋势分量、季节分量及残差分量；对所述趋势分量进行非参数回归拟合，得到长期生长趋势曲线；基于所述长期生长趋势曲线，通过变点检测算法识别生长阶段转换点，得到生长阶段划分结果；对所述季节分量进行周期性分析及谱密度估计，得到季节性生长模式；基于所述季节性生长模式，通过自回归积分移动平均模型对短期生长波动进行建模，得到短期生长预测模型；对所述残差分量进行非线性时间序列分析，得到茶树生长的非线性特征；基于所述非线性特征，通过递归神经网络算法构建动态生长模型，得到茶树生长动态预测结果；对所述茶树生长动态预测结果进行敏感性分析及不确定性量化，得到生长预测置信区间；基于所述生长预测置信区间，对茶树生长动态特征进行多维度综合评估及可视化，得到所述茶树生长动态特征。
7、在本发明中，所述对所述生长动态特征与预先获取的环境因子进行多元统计分析和主成分分析，得到环境影响定量描述数据步骤，包括：对所述生长动态特征与环境因子数据进行时空配准及尺度统一，得到协同分析数据集；基于所述协同分析数据集，通过皮尔逊相关系数计算环境因子间的相关性矩阵，得到因子相关性评估结果；对所述因子相关性评估结果进行层次聚类分析，得到环境因子组；基于所述环境因子组，通过方差膨胀因子法进行多重共线性诊断，得到筛选环境因子集；对所述筛选环境因子集与生长动态特征进行偏相关分析，得到直接影响因子排序；基于所述直接影响因子排序，通过主成分分析法提取主要环境影响成分，得到降维环境特征空间；对所述降维环境特征空间进行正交旋转优化，得到解释性增强环境特征；基于所述解释性增强环境特征，通过多元线性回归构建环境-生长关系模型，得到环境影响系数；对所述环境影响系数进行bootstrap重抽样及置信区间估计，得到环境影响稳健性评估结果；基于所述环境影响稳健性评估结果，通过模糊综合评价方法对环境因子影响程度进行量化，得到所述环境影响定量描述数据。
8、在本发明中，所述对所述环境影响定量描述数据进行时空耦合分析和规律提取，得到茶树生长规律，其中，所述茶树生长规律包括年生长周期、径向生长速率、关键生长期时间节点及环境因子影响程度步骤，包括：对所述环境影响定量描述数据进行时空插值，得到连续环境影响场；基于所述连续环境影响场，通过空间自相关分析计算局部莫兰指数，得到环境影响空间聚集模式；对所述环境影响空间聚集模式进行地理加权回归分析，得到空间异质性特征；基于所述空间异质性特征，通过时间序列分解提取环境影响的季节性和周期性成分，得到时间变异模式；对所述时间变异模式进行小波相干性分析，得到多尺度时空耦合特征；基于所述多尺度时空耦合特征，通过动态时间规整算法对茶树生长与环境因子进行时序对齐，得到同步变化模式；对所述同步变化模式进行阈值分割和关键时间点识别，得到茶树生长关键期；基于所述茶树生长关键期，通过径向基函数网络构建非线性映射关系，得到环境因子对生长的影响关系数据；对所述影响关系数据进行敏感性分析和不确定性量化，得到环境因子影响程度排序；基于所述环境因子影响程度排序，通过模糊认知图方法构建茶树生长-环境交互网络，得到所述茶树生长规律，包括年生长周期、径向生长速率、关键生长期时间节点及环境因子影响程度。
9、本发明还提供了一种基于无人机监测的茶树生长规律分析系统，包括：
10、抽样模块，用于对预置的茶树分布数据进行高精度地理编码及多因素分层抽样，得到样本茶树分布信息，其中，所述样本茶树分布信息包括：样本茶树位置以及样本茶树种类；
11、采集模块，用于基于所述样本茶树分布信息，通过预置的无人机集群对所述样本茶树位置对应的茶树区域进行多时相图像采集，得到包含可见光和近红外波段的时序图像集；
12、提取模块，用于对所述时序图像集进行几何校正、辐射校正及正射影像生成处理，得到处理图像集，并通过图像分割算法对所述处理图像集进行单株茶树特征提取，得到生长指标数据集；
13、分析模块，用于对所述生长指标数据集进行时间序列分解及非线性趋势分析，得到茶树生长动态特征；
14、统计模块，用于对所述生长动态特征与预先获取的环境因子进行多元统计分析和主成分分析，得到环境影响定量描述数据；
15、耦合模块，用于对所述环境影响定量描述数据进行时空耦合分析和规律提取，得到茶树生长规律，其中，所述茶树生长规律包括年生长周期、径向生长速率、关键生长期时间节点及环境因子影响程度。
16、本发明提供的技术方案中，通过高精度地理编码和多因素分层抽样技术，确保了样本茶树的代表性和空间分布的均衡性；利用无人机集群进行多时相、多光谱图像采集，大大提高了数据获取的效率和精度，能够捕捉到单株茶树的微小变化；采用先进的图像处理技术，包括几何校正、辐射校正和正射影像生成，显著提升了图像质量和可用性；通过图像分割算法，实现了单株茶树的精确识别和特征提取，为生长指标的量化分析提供了高质量的输入数据；运用时间序列分解和非线性趋势分析方法，深入挖掘了茶树生长的动态特征，揭示了复杂的生长模式；结合多元统计分析和主成分分析，全面评估了环境因子对茶树生长的影响，提供了定量化的环境影响描述；通过创新的时空耦合分析和规律提取技术，成功识别出茶树生长的关键周期、速率变化和环境响应模式，从样本选择到最终规律提取，通过整合多源数据和多种分析技术，成功构建了一个全面的茶树生长-环境交互网络，基于无人机和高级数据分析的方法，极大地减少了人力成本和时间投入，同时提高了监测的频率和精度。
1.一种基于无人机监测的茶树生长规律分析方法，其特征在于，包括：
2.根据权利要求1所述的基于无人机监测的茶树生长规律分析方法，其特征在于，所述对预置的茶树分布数据进行高精度地理编码及多因素分层抽样，得到样本茶树分布信息，其中，所述样本茶树分布信息包括：样本茶树位置以及样本茶树种类步骤，包括：
3.根据权利要求1所述的基于无人机监测的茶树生长规律分析方法，其特征在于，所述基于所述样本茶树分布信息，通过预置的无人机集群对所述样本茶树位置对应的茶树区域进行多时相图像采集，得到包含可见光和近红外波段的时序图像集步骤，包括：
4.根据权利要求1所述的基于无人机监测的茶树生长规律分析方法，其特征在于，所述对所述时序图像集进行几何校正、辐射校正及正射影像生成处理，得到处理图像集，并通过图像分割算法对所述处理图像集进行单株茶树特征提取，得到生长指标数据集步骤，包括：
5.根据权利要求1所述的基于无人机监测的茶树生长规律分析方法，其特征在于，所述对所述生长指标数据集进行时间序列分解及非线性趋势分析，得到茶树生长动态特征步骤，包括：
6.根据权利要求1所述的基于无人机监测的茶树生长规律分析方法，其特征在于，所述对所述生长动态特征与预先获取的环境因子进行多元统计分析和主成分分析，得到环境影响定量描述数据步骤，包括：
7.根据权利要求6所述的基于无人机监测的茶树生长规律分析方法，其特征在于，所述对所述环境影响定量描述数据进行时空耦合分析和规律提取，得到茶树生长规律，其中，所述茶树生长规律包括年生长周期、径向生长速率、关键生长期时间节点及环境因子影响程度步骤，包括：
8.一种基于无人机监测的茶树生长规律分析系统，用以执行如权利要求1至7任一项所述的基于无人机监测的茶树生长规律分析方法，其特征在于，包括：
