[發(fā)明專利]一種基于深度學習的水稻倒伏智能評估定損系統(tǒng)及其評估定損方法

在審

• 申請?zhí)枺?/td>: 201910983753.1
• 申請日: 2019-10-16
• 公開（公告）號: CN110751639A
• 公開（公告）日: 2020-02-04
• 發(fā)明（設計）人: 鞏翼龍
• 申請（專利權）人: 黑龍江地理信息工程院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06T3/40;G06K9/00
• 代理公司: 23209 哈爾濱市偉晨專利代理事務所(普通合伙)
• 代理人: 榮玲

1.一種基于深度學習的水稻倒伏智能評估定損系統(tǒng)，其特征在于，它包括影像快拼模塊、影像編輯模塊、災情處理模塊和確認單輸出模塊，所述影像快拼模塊包括快拼軟件，所述快拼軟件用于對無人機影像進行快速拼接，形成完整倒伏影像；所述影像編輯功能模塊包括影像數(shù)據(jù)加載模塊、多邊形繪制模塊、邊緣清除模塊、裁剪模塊和影像數(shù)據(jù)存儲模塊，所述影像數(shù)據(jù)加載模塊用于加載拼接后的完整倒伏影像，所述多邊形繪制模塊用于根據(jù)農戶信息在拼接后的倒伏影像上繪制權利地塊邊界，所述邊緣清除模塊用于清除繪制的權利地塊邊界以外的圖像，所述裁剪模塊用于將清除邊緣后的倒伏影像依據(jù)預設農戶地塊標準進行剪裁，所述影像數(shù)據(jù)存儲模塊用于將剪裁后的倒伏影像進行儲存；所述災情處理模塊包括災情識別模塊和災情統(tǒng)計模塊，所述災情識別模塊用于對剪裁后得到的權利地塊區(qū)域影像進行識別，識別出權利地塊區(qū)域內的水稻倒伏區(qū)域；所述災情統(tǒng)計模塊用于根據(jù)災情識別的受災影像與原始影像比對，統(tǒng)計受災比例；所述確認單輸出模塊用于根據(jù)農戶信息與受災影像匹配，進而輸出受災評估定損報告。

2.根據(jù)權利要求1所述的一種基于深度學習的水稻倒伏智能評估定損系統(tǒng)，其特征在于，所述快拼軟件具體是軟件Pix4DMapper。

3.一種基于權利要求1所述的基于深度學習的水稻倒伏智能評估定損系統(tǒng)的評估定損方法，其特征在于，它包括以下步驟：

步驟一、獲取無人機影像；

步驟二、所述快拼軟件對有重疊度的無人機遙感序列影像進行快速拼接，形成包含農戶全體地塊信息的完整倒伏影像；

步驟三、所述影像數(shù)據(jù)加載模塊加載拼接后的完整倒伏影像，所述多邊形繪制模塊用于根據(jù)所述完整倒伏影像繪制邊緣，所述邊緣清除模塊清除繪制的邊緣與所述完整倒伏影像不吻合的線條，所述裁剪模塊將清除邊緣后的倒伏影像依據(jù)預設農戶地塊標準進行剪裁，所述影像數(shù)據(jù)存儲模塊將剪裁后的倒伏影像進行儲存；

步驟四、所述災情識別模塊對剪裁后得到的權利地塊區(qū)域影像進行識別，識別出權利地塊區(qū)域內的水稻倒伏區(qū)域；

步驟五、所述災情統(tǒng)計模塊將篩選后的受災影像與農戶進行匹配，并將受災影像與倒伏影像比對，統(tǒng)計受災比例；

步驟六、所述確認單輸出模塊根據(jù)農戶信息與受災影像匹配，進而輸出受災評估定損報告。

4.根據(jù)權利要求3所述的一種基于深度學習的水稻倒伏智能評估定損系統(tǒng)的評估定損方法，其特征在于，在步驟四中，將所述剪裁后的倒伏影像傳給災情識別模塊，所述災情識別模塊根據(jù)送入影像的大小進行分塊，分為固定大小的子塊，分別把每一個子塊送入卷積神經網絡模型中對水稻倒伏區(qū)域進行識別預測，規(guī)定預測結果中的第一像素區(qū)域代表倒伏區(qū)域，規(guī)定第二像素區(qū)域代表其他區(qū)域。

5.根據(jù)權利要求3所述的一種基于深度學習的水稻倒伏智能評估定損系統(tǒng)的評估定損方法，其特征在于，在步驟五中，根據(jù)受災影像邊緣區(qū)域的像素值自動去除影像中存留的黑色邊緣后統(tǒng)計受災面積比例。

6.根據(jù)權利要求3所述的一種基于深度學習的水稻倒伏智能評估定損系統(tǒng)的評估定損方法，其特征在于，在步驟六中，所述受災評估定損報告包括農戶信息、受災面積和受災影像。