[發明專利]小麥抽穗期的檢測方法、裝置及電子設備

有效

• 申請號: 201811145965.4
• 申請日: 2018-09-28
• 公開（公告）號: CN109523509B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 韓冰;周望;徐愛國;金紅偉;朱平;席建輝;劉伯遠
• 申請（專利權）人: 航天新氣象科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 馬永芬

1.一種小麥抽穗期的檢測方法，其特征在于，包括：

獲取待檢測圖像；

將所述待檢測圖像輸入小麥特征檢測模型，以得到特征標注圖像；其中，所述小麥特征檢測模型為利用神經網絡架構對小麥抽穗期的樣本圖像進行訓練得到的檢測模型；所述特征標注圖像上標注有若干特征框；

利用所述特征標注圖像上標注的所述特征框，確定所述待檢測圖像是否為抽穗期的小麥圖像；所有所述特征框分為多個特征類別，每個所述特征框還標注有置信度，所述特征類別為小麥生育期各個階段的特征；

其中，所述利用所述特征標注圖像上標注的所述特征框，確定所述待檢測圖像是否為抽穗期的小麥圖像，包括：

計算抽穗特征框在所有所述特征框中的占比；其中，所述抽穗特征框為所述特征類別為抽穗期的所述特征框；

判斷所述占比是否小于或等于第一閾值；

當所述占比大于第一閾值時，統計所述置信度大于第二閾值的所述抽穗特征框的數量；

判斷統計出的所述抽穗特征框的數量是否大于第三閾值；

當統計出的所述抽穗特征框的數量小于或等于第三閾值時，獲取所述待檢測圖像的拍攝日期；

根據所述拍攝日期，構建回歸模型；其中，所述回歸模型用于預測所述抽穗期前一個生育期的剩余天數；

基于所述回歸模型預測的所述剩余天數，確定所述待檢測圖像是否為抽穗期的小麥圖像。

2.根據權利要求1所述的方法，其特征在于，

所述利用所述特征標注圖像上標注的所述特征框，確定所述待檢測圖像是否為抽穗期的小麥圖像，包括：

當所述占比小于或等于第一閾值時，確定所述待檢測圖像不是抽穗期的小麥圖像。

3.根據權利要求2所述的方法，其特征在于，所述利用所述特征標注圖像上標注的所述特征框，確定所述待檢測圖像是否為抽穗期的小麥圖像，還包括：

當統計出的所述抽穗特征框的數量大于第三閾值時，確定所述待檢測圖像為抽穗期的小麥圖像。

4.根據權利要求1所述的方法，其特征在于，所述基于所述回歸模型預測的所述剩余天數，確定所述待檢測圖像是否為抽穗期的小麥圖像，包括：

判斷所述剩余天數是否小于或等于第四閾值；

當所述剩余天數小于或等于所述第四閾值時，確定所述待檢測圖像為抽穗期的小麥圖像。

5.根據權利要求1所述的方法，其特征在于，所述根據所述拍攝日期，構建回歸模型，包括：

基于所述拍攝日期提取小氣候數據；其中，所述小氣候數據包括每天的平均溫度、晝夜溫差、日降雨量以及土壤單位體積含水量中的至少之一；

對所述小氣候數據進行解釋變量的選擇，其中，所述解釋變量為所述小氣候數據中的一種或多種；

利用所述解釋變量構建所述回歸模型。

6.根據權利要求5所述的方法，其特征在于，采用如下公式對所述小氣候數據進行解釋變量的選擇：

其中，y_i為第i個小氣候數據；n為所述小氣候數據的數量；X_i為第i個解釋變量；p為第i個小氣候數據對應的解釋變量的數量；β為最小二乘估計值；λ≥0，且為懲罰函數。

7.根據權利要求5所述的方法，其特征在于，所述回歸模型采用如下公式表示：

其中，D所述剩余天數；K為常數；n為所述解釋變量的數量；X_i為第i個解釋變量；α_i為對應于第i個解釋變量的系數。

8.根據權利要求1-7中任一所述的方法，其特征在于，所述基于所述小麥特征檢測模型，對所述待檢測圖像進行檢測的步驟之前，還包括：

分割所述待檢測圖像，以得到若干待檢測子圖；

其中，所述將所述待檢測圖像輸入小麥特征檢測模型，以得到特征標注圖像，包括：

依次將所述待檢測子圖輸入所述小麥特征檢測模型。