(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 202211111068.8 (22)申请日 2022.09.13 (71)申请人 安徽联智创新软件 有限公司 地址 230000 安徽省合肥市高新区黄山路 605号民营科技园410、 412室 (72)发明人 胡成　孙勇　 (74)专利代理 机构 合肥洪雷知识产权代理事务 所(普通合伙) 34164 专利代理师 张悦 (51)Int.Cl. G01N 21/17(2006.01) G06Q 50/02(2012.01) G06V 10/34(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 20/10(2022.01) G06V 20/13(2022.01) G16Y 10/05(2020.01) G16Y 20/20(2020.01) G16Y 40/10(2020.01) (54)发明名称 一种基于物联网的农业灾害信息遥感提取 损失评估方法 (57)摘要 本发明公开了一种基于物联网的农业灾害 信息遥感提取损失评估 方法， 涉及农作物灾情评 估技术领域。 本发明包括如下步骤： 通过拍摄多 个区域内的农作物灾前灾后的遥感影像； 获取灾 前灾后NDVI插值图， 对插 值图的灾害特征进行提 取并训练灾害识别模块； 对农作物进行遥感影像 采集， 确定待调查的农作物区域； 将待调查的农 作物区域输入至灾害识别模块， 灾害识别模块输 出预测灾害趋势， 并对遥感影像数据评估灾害的 级别本发明通过采集农作物灾前灾后的遥感影 像训练灾害识别模块， 将待调查的农作物区域输 入至灾害识别模块， 对受灾面积进行估算对比， 评估灾害级别， 提高采样速度和预测精准度， 有 效降低灾害 对农业的造成的损害。 权利要求书2页 说明书6页 附图1页 CN 115420688 A 2022.12.02 CN 115420688 A 1.一种基于物联网的农业灾害信息遥感提取损失评估方法， 其特征在于， 包括如下步 骤： 步骤S1： 通过拍摄多个区域内的农作物灾前灾后的遥感影 像； 步骤S2： 对 采集的遥感影 像进行预处理； 步骤S3： 获取灾前灾后NDVI插值 图， 对插值 图的灾害特征进行提取并训练灾害识别模 块； 步骤S4： 对农作物进行遥感影像采集， 使用样方法对遥感图像进行筛选， 确定待调查的 农作物区域； 步骤S5： 将待调查的农作物区域输入至灾害识别模块， 对受灾 面积进行估算对比； 步骤S6： 灾害识别模块输出 预测灾害趋势， 并对遥感影 像数据评估灾害的级别； 步骤S7： 对评估的不同灾害程度进行相应级别的报警； 步骤S8： 向管理人员推送采集的遥感影 像以及预测、 评估数据信息 。 2.根据权利要求1所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述 步骤S2中， 遥感影 像进行预处理的具体步骤如下： 步骤S21： 对 采集的遥感影 像进行图像形态学重建增强处 理； 步骤S22： 对重建后图像的农作物边缘轮廓信息使用指数增强函数对图像进行增强处 理； 步骤S23： 将图像增强后， 将农作物区域和背景区域分开； 步骤S24： 将分离后的农作物区域进行 校正配准处 理； 步骤S25： 对处 理后的农作物区域图像进行最大似然监 督分类； 步骤S26： 将分类结果进行合并、 二 值化， 获取农作物的分类图。 3.根据权利要求1所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述步骤S3中， 用灾后影像的NVDI减去 前影像的NDV I差值图， 并结合农作物与非 农作物二 值化分类图得到农作物的NDVI的差值图。 4.根据权利要求1所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述 步骤S3中， 灾害识别模块的工作流 程如下： 步骤S31： 获取合 适的灾前灾后遥感影 像； 步骤S32： 对遥感影 像进行预分类并求取灾前灾后NDVI插值图； 步骤S33： 进行分层系统抽样参数设计， 抽选样本编号； 步骤S34： 按样本标号调查受灾农作物面积和减产率； 步骤S35： 受灾农产品面积总量反推； 步骤S36： 受灾等级分布图制作。 5.根据权利要求4所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述 步骤S33中， 分层系统抽样的具体工作流 程如下： 步骤S331： 抽样单 元； 步骤S332： 分层抽样标识、 层数； 步骤S333： 抽样总量、 各层样本量； 步骤S334： 系统抽样标识； 步骤S335： 抽样间隔。权　利　要　求　书 1/2 页 2 CN 115420688 A 26.根据权利要求4所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述步骤S35中， 采用分别回归估计和分别比率估计两种估计量， 结合分类面积 与样本真实面积， 反推实际受灾总面积。 7.根据权利要求5所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述分层系统抽样时， 根据农作物的种植范围图， 将整个总作物种植区域网格 化， 以每个格网作为抽样单元， 所有网格作为入样总体， 以格网中农作 物分类的面积为分层 抽样标识进行分层抽样， 计算样本量； 在每层内按照格网内农作物所对应像元NDVI差值的 均值进行系统排序， 在 层内按照计算出的各层的样本量进行系统抽样， 抽选出最终样本 。 8.根据权利要求7所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述计算样本量的公式为： 式中， N代表抽样单元总量， L为层数， Wh为每层权重， d为绝对误差， za/2为标准正态分布 的右a/2分位数， 代表每层方差 。 9.根据权利要求1所述的一种基于物联网的农业灾害信息遥感提取损失评估方法， 其 特征在于， 所述 步骤S5中， 对受灾 面积进行估算的公式如下： 式中， 为回归估计面积 反推总量， 为回归估计量受灾面积均值， 为各层野外样 本农作物面积均值， 为各层农作物总分类面积均值， 为各层农作物样本分类面积均 值， βh为回归系数， Wh为各层权 重， L为层数， N 为入样总量。权　利　要　求　书 2/2 页 3 CN 115420688 A 3