[發(fā)明專利]雜草區(qū)域的識別方法和裝置

有效

• 申請?zhí)枺?/td>: 202010537565.9
• 申請日: 2020-06-12
• 公開（公告）號: CN112541383B
• 公開（公告）日: 2021-12-28
• 發(fā)明（設計）人: 黃敬易
• 申請（專利權）人: 廣州極飛科技股份有限公司
• 主分類號: G06T7/90
• 分類號: G06T7/90
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 李靜茹

本發(fā)明公開了一種雜草區(qū)域的識別方法和裝置。其中，該方法包括：獲取多張作物圖像，并對多張作物圖像進行處理，得到數據集；基于數據集對神經網絡模型進行訓練，得到作物區(qū)域識別模型；基于作物區(qū)域識別模型對包含雜草的圖集進行識別的識別結果確定雜草識別模型；基于雜草識別模型對待識別區(qū)域的待識別圖像進行識別，得到待識別區(qū)域中的雜草區(qū)域。本發(fā)明解決了現有技術中直接人工標記雜草所導致的數據標注工作量大的技術問題。

技術領域

本發(fā)明涉及作物識別領域，具體而言，涉及一種雜草區(qū)域的識別方法和裝置。

背景技術

雜草的適應性強，繁殖能力強，雜草在田間的生長會對田間作物的生長以及產量均會產生影響。為了提高田間作物的產量，現有技術可通過化學除草和機械化除草兩種方式進行田間除草，而化學除草會污染環(huán)境，機械化除草對環(huán)境友好，因此，為了提高田間作物的產量，同時保護環(huán)境，目前許多農場采用機械化除草。然而，對于面積較大的農田，如果采用人工除草的方式不僅會增加成本，還會降低除草效率。

隨著計算機技術的發(fā)展，農田也采用了自動化設備，例如，使用田間機器人巡查的方式來確定農田中的雜草區(qū)域；又例如，使用無人機巡視，通過無人機觀察拍到的照片來確定農田中的雜草區(qū)域。在確定了雜草區(qū)域之后，可使用自動化的除草設備進行田間除草。

然而，現有的通過圖像分析來確定雜草區(qū)域的方式(例如，無人機拍照確定雜草區(qū)域的方式)，需要人工干預的環(huán)節(jié)較多，魯棒性差。另外，現有技術還可通過神經網絡模型對農田圖像進行識別處理來確定雜草區(qū)域，但現有技術通常是通過人工標注數據的方式來訓練神經網絡模型，而且，現有的神經網絡模型嚴重依賴于標注數據的質量與數量。如果需要獲得高魯棒性、精度高的神經網絡模型，則需要大量的標注數據，而且不同地域不同作物下雜草的類型不同，這又增加了數據標注的工作量。

針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內容

本發(fā)明實施例提供了一種雜草區(qū)域的識別方法和裝置，以至少解決現有技術中直接人工標記雜草所導致的數據標注工作量大的技術問題。

根據本發(fā)明實施例的一個方面，提供了一種雜草區(qū)域的識別方法，包括：獲取多張作物圖像，并對多張作物圖像進行處理，得到數據集；基于數據集對神經網絡模型進行訓練，得到作物區(qū)域識別模型；基于作物區(qū)域識別模型對包含雜草的圖集進行識別的識別結果確定雜草識別模型；基于雜草識別模型對待識別區(qū)域的待識別圖像進行識別，得到待識別區(qū)域中的雜草區(qū)域。

進一步地，雜草區(qū)域的識別方法還包括：對多張作物圖像進行處理，得到作物區(qū)域所對應的標簽圖；確定多張作物圖像以及標簽圖的對應關系，基于對應關系獲取數據集。

進一步地，雜草區(qū)域的識別方法還包括：對多張作物圖像進行二值化處理，得到二值化圖像；將二值化圖像轉換為種植行方向為垂直方向的第一圖像；檢測第一圖像中的植被種植狀態(tài)，其中，植被種植狀態(tài)至少包括：種植行內連續(xù)密植狀態(tài)和種植行內稀疏種植狀態(tài)；根據植被種植狀態(tài)對第一圖像進行反轉處理，得到標簽圖。

進一步地，雜草區(qū)域的識別方法還包括：獲取多張作物圖像的多個預設顏色通道的顏色值；基于多個預設顏色通道的顏色值得到多張作物圖像中每個像素點所對應的顏色指數；基于顏色指數以及預設的顏色閾值對多張作物圖像進行二值化處理，得到二值化圖像。

進一步地，雜草區(qū)域的識別方法還包括：基于霍夫檢測直線算法確定二值化圖像中的作物的種植行方向；對二值化圖像擴充處理，得到預設形狀的第二圖像，其中，第二圖像中的擴充區(qū)域所對應的像素值為零值；基于種植行方向對第二圖像進行旋轉處理，得到種植行方向為垂直方向的第一圖像。