[發(fā)明專利]基于深度學習的單株水稻檢測定位方法、系統(tǒng)、設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910089817.3
• 申請日: 2019-01-30
• 公開（公告）號: CN109886155B
• 公開（公告）日: 2021-08-10
• 發(fā)明（設(shè)計）人: 黃雙萍;伍思航
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李君

本發(fā)明公開了一種基于深度學習的單株水稻檢測定位方法、系統(tǒng)、設(shè)備及介質(zhì)，所述方法包括：獲取大田水稻樣本圖像數(shù)據(jù)；對大田水稻樣本圖像數(shù)據(jù)進行預處理和標注，得到預處理圖像數(shù)據(jù)；建立深度卷積神經(jīng)網(wǎng)絡(luò)檢測模型；使用預處理圖像數(shù)據(jù)對深度卷積神經(jīng)網(wǎng)絡(luò)檢測模型進行優(yōu)化訓練；利用訓練后的深度卷積神經(jīng)網(wǎng)絡(luò)檢測模型對大田水稻待測圖像的單株水稻進行檢測定位。本發(fā)明采用計算機視覺中基于深度學習的檢測方法，可以大大改善上述現(xiàn)有技術(shù)的缺陷，通過設(shè)計深度卷積神經(jīng)網(wǎng)絡(luò)模型，提取植株高維度空間語義特征，在復雜的環(huán)境下依然有很好的定位精度和魯棒性，能夠廣泛應用于農(nóng)業(yè)的自動化、智能化生產(chǎn)管理中。

技術(shù)領(lǐng)域

本發(fā)明涉及一種檢測定位方法，尤其是一種基于深度學習的單株水稻檢測定位方法、系統(tǒng)、設(shè)備及介質(zhì)，屬于計算機視覺的目標檢測領(lǐng)域。

背景技術(shù)

水稻是世界上主要的糧食作物之一，20世界末世界水稻種植面積達1.54億hm²。我國產(chǎn)量占糧食總產(chǎn)量的40％，水稻生產(chǎn)擔負著確保我國糧食安全的重大責任。減少投入產(chǎn)出比，增加水稻種植的經(jīng)濟效益顯得尤為重要。雜草作為導致水稻減產(chǎn)的主要原因之一，與農(nóng)作物競爭水分、養(yǎng)分、陽光等資源，使得水稻減產(chǎn)嚴重。另一方面，對水稻進行精準灌溉、施肥或者噴施農(nóng)藥等機械化作業(yè)，可以提高農(nóng)資利用率和有效率，減少生產(chǎn)資料的浪費和因此帶來的環(huán)境污染，保護生態(tài)水資源、空氣以及土壤。

因此，實現(xiàn)智能化農(nóng)業(yè)作業(yè)控制和管理顯得尤為重要，其中通過智能化水稻精準定位技術(shù)，實現(xiàn)機械智能化除草、智能化精細噴施農(nóng)業(yè)藥肥等，進而實現(xiàn)提高水稻單產(chǎn)、提升農(nóng)業(yè)生產(chǎn)精細化和自動化水平，推動我國農(nóng)業(yè)可持續(xù)發(fā)展。

近年來，精準定位技術(shù)在農(nóng)業(yè)領(lǐng)域中得到了廣泛的研究和應用，主要有智能機械除草、機械自主導航、藥肥精準噴施和農(nóng)產(chǎn)品自動采摘等。國外研究現(xiàn)狀，2011年，XuewenWu等提出了一種基于位置和邊緣特征的水稻檢測方法，利用綠色植物與土壤背景的色差將植物分割出來，利用像素直方圖來確定作物中心，作物邊緣為終點填充作物面積實現(xiàn)檢測，＝該方法難以用于水田環(huán)境中。2015年，Kazmi等利用顏色和邊緣特征進行融合提出一種新的局部特征進行雜草分割，結(jié)合支持向量機SVM分類器完成對水稻的檢測，但該方法受自然環(huán)境中復雜光照影響因素較大。國內(nèi)研究現(xiàn)狀，2015年，廉寧通過對田間拍攝圖像進行灰度化、二值化、去噪等預處理操作，分析出最適合區(qū)分雜草和作物的方法，在圖像邊緣檢測的基礎(chǔ)上提出了基于模糊增強作物圖像輪廓提取算法來定位。2017年，蔣郁等提出了莖基部分區(qū)分邊緣擬合的方法來進行植株定位，解決了水稻除草期因為水稻冠層接連造成的定位不準確問題。但該方法魯棒性較差，對于形態(tài)各異的水稻和反光的積水土壤定位效果較差。綜上所述，國內(nèi)外專家研究的方法大多基于作物的顏色、形狀、紋理等低維度特征進行檢測定位，也有少數(shù)結(jié)合人工設(shè)計的特征來進行檢測定位。這些方法通常容易受到復雜光照背景、植株互相遮擋、犬牙交錯的冠層等因素影響而不能達到要求的定位精度，甚至發(fā)生錯誤定位。

發(fā)明內(nèi)容

鑒于此，本發(fā)明提供了一種基于深度學習的單株水稻檢測定位方法、系統(tǒng)、設(shè)備及介質(zhì)，其采用計算機視覺中基于深度學習的檢測方法，可以大大改善上述現(xiàn)有技術(shù)的缺陷，通過設(shè)計深度卷積神經(jīng)網(wǎng)絡(luò)模型，提取植株高維度空間語義特征，在復雜的環(huán)境下依然有很好的定位精度和魯棒性，能夠廣泛應用于農(nóng)業(yè)的自動化、智能化生產(chǎn)管理中。

本發(fā)明的第一個目的在于提供一種基于深度學習的單株水稻檢測定位方法。

本發(fā)明的第二個目的在于提供一種基于深度學習的單株水稻檢測定位系統(tǒng)。

本發(fā)明的第三個目的在于提供一種計算機設(shè)備。

本發(fā)明的第四個目的在于提供一種存儲介質(zhì)。

本發(fā)明的第一個目的可以通過采取如下技術(shù)方案達到：

一種基于深度學習的單株水稻檢測定位方法，所述方法包括：

獲取大田水稻樣本圖像數(shù)據(jù)；