[發明專利]基于語義分割網絡的缺苗區域識別方法、設備和存儲介質

在審

• 申請號: 202010538100.5
• 申請日: 2020-06-12
• 公開（公告）號: CN113807135A
• 公開（公告）日: 2021-12-17
• 發明（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: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/62;G06T7/10;A01C21/00
• 代理公司: 北京遠智匯知識產權代理有限公司 11659
• 代理人: 范坤坤

本發明公開了一種基于語義分割網絡的缺苗區域識別方法、設備和存儲介質。該方法包括：獲取多張農田圖片；根據各農田圖片中的種植行主方向，在各所述農田圖片中標注缺苗區域圖，并根據標注后的農田圖片構建數據集；通過數據集對預設的機器學習模型進行訓練，獲得目標深度學習語義分割模型；將待識別的農田圖片輸入至所述目標深度學習語義分割模型中，得到缺苗區域圖。本發明實施例的技術方案可以實現快速識別缺苗區域，并對于非嚴格直線種植的作物同樣適用。

技術領域

本發明實施例涉及數據處理技術，尤其涉及一種基于語義分割網絡的缺苗區域識別方法、設備和存儲介質。

背景技術

我國是農業大國，作物植株的數量對于作物產量有重大影響，只有作物植株密度達到特定數值，才能提高作物產量。但由于種子質量、出苗率等因素的影響，容易出現農田種植行缺苗的情況，能夠快速識別缺苗區域，并及時進行補種，對提高農作物產量到了重要的作用。

現有技術中，對獲得的農田圖像進行缺苗區域識別，主要通過圖像分析，或通過訓練神經網絡模型來實現。發明人在實現本發明的過程中，發現現有技術存在以下缺陷：依賴于人工對大量作為訓練樣本的農田圖像進行標注，人工成本高，效率低，并且訓練出的模型往往只能適用于識別嚴格直線種植的作物的缺苗區域，適用率比較低。

發明內容

本發明實施例提供一種基于語義分割網絡的缺苗區域識別方法、設備和存儲介質，以實現快速識別缺苗區域，并對于非嚴格直線種植的作物同樣適用。

第一方面，本發明實施例提供了一種基于語義分割網絡的缺苗區域識別方法，該方法包括：

獲取多張農田圖片；

根據各農田圖片中的種植行主方向，在各所述農田圖片中標注缺苗區域圖，并根據標注后的農田圖片構建數據集；

通過數據集對預設的機器學習模型進行訓練，獲得目標深度學習語義分割模型，目標深度學習語義分割模型包括：依次相連的編碼器、池化層和解碼器；

將待識別的農田圖片輸入至所述目標深度學習語義分割模型中；

通過所述編碼器，提取所述待識別農田圖片的特征信息，生成特征信息圖，并將所述特征信息圖傳輸至池化層；

通過所述池化層，對所述特征信息圖進行池化操作，并將處理后特征圖傳輸至解碼器；

通過所述解碼器，對所述處理后特征圖進行上采樣處理，得到缺苗區域圖。

第二方面，本發明實施例還提供了一種補種方法，該方法包括：

獲取與設定種植區域匹配的至少一張農田圖片，并采用如本發明實施例中所述的基于語義分割網絡的缺苗區域識別方法確定與各所述農田圖片對應的缺苗區域圖；

根據缺苗區域在各所述缺苗區域圖中的圖像位置，以及與各所述缺苗區域圖分別匹配的地理位置信息，確定與各所述缺苗區域匹配的地理位置信息；

根據與各所述缺苗區域匹配的地理位置信息，生成與所述種植區域匹配的補種作業路線，其中，所述補種作業路線用于指示農機設備對所述種植區域中包括的各缺苗區域進行作物補種。

第三方面，本發明實施例還提供了一種作業路線規劃方法，該方法包括：

獲取與設定種植區域匹配的至少一張農田圖片，并采用如本發明實施例中所述的基于語義分割網絡的缺苗區域識別方法確定與各所述農田圖片對應的缺苗區域圖；

根據與各所述農田圖片對應的缺苗區域圖，確定與各所述農田圖片對應的有苗區域圖；

根據有苗區域在各所述有苗區域圖中的圖像位置，以及與各所述有苗區域圖分別匹配的地理位置信息，確定與各所述有苗區域匹配的地理位置信息；