[發(fā)明專利]一種基于梯度直方圖特征的作物倒伏分級(jí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011122979.1
• 申請(qǐng)日: 2020-10-20
• 公開(kāi)（公告）號(hào): CN112287787B
• 公開(kāi)（公告）日: 2023-09-26
• 發(fā)明（設(shè)計(jì)）人: 譚穗妍;馬旭;齊龍;李澤華;王春桃;徐初東;王宇唯;盧恒輝
• 申請(qǐng)（專利權(quán)）人: 華南農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/50;G06V10/764;G06V10/774;G06V10/26;G06T3/40
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 雷芬芬

1.一種基于梯度直方圖特征的作物倒伏分級(jí)方法，其特征在于，包括：

S1，獲取待檢測(cè)大田作物冠層的RGB彩色圖像；

S2，用拼接軟件對(duì)RGB彩色圖像進(jìn)行快速拼接，形成整個(gè)大田的二維正交拼接圖像；

S3，對(duì)二維正交拼接圖像進(jìn)行區(qū)域分割并嵌入?yún)^(qū)域編號(hào)信息；

S4，對(duì)嵌入?yún)^(qū)域編號(hào)信息的二維正交拼接圖像提取作物方向梯度直方圖HOG特征；

S5，將所述梯度直方圖HOG特征輸入預(yù)先構(gòu)建并訓(xùn)練好的基于SVM支持向量機(jī)的作物倒伏分級(jí)評(píng)價(jià)模型，輸出作物倒伏級(jí)數(shù)；

S6，獲得各個(gè)區(qū)域的倒伏分級(jí)程度后，即可輸出整個(gè)大田作物倒伏分級(jí)分布圖；

基于SVM支持向量機(jī)的作物倒伏分級(jí)評(píng)價(jià)模型的構(gòu)建方法包括：

S51，獲取試驗(yàn)田作物冠層的RGB彩色圖像序列；

S52，用拼接軟件對(duì)RGB彩色圖像序列進(jìn)行快速拼接，形成整個(gè)大田的二維正交拼接圖像；

S53，對(duì)二維正交拼接圖像進(jìn)行種植區(qū)域分割并嵌入?yún)^(qū)域編號(hào)信息；

S54，各個(gè)種植區(qū)域冠層的RGB圖像提取作物方向梯度直方圖HOG特征；

S55，對(duì)每個(gè)種植區(qū)域的作物倒伏程度進(jìn)行人工評(píng)分；

S56，建立初始的作物倒伏分級(jí)評(píng)價(jià)模型；

S57，生成數(shù)據(jù)集：根據(jù)人工倒伏評(píng)分進(jìn)行區(qū)間劃分，把各個(gè)種植區(qū)域的HOG特征按區(qū)間收集，將每個(gè)評(píng)分區(qū)間的HOG特征隨機(jī)分為訓(xùn)練集、驗(yàn)證集、測(cè)試集；

S58，將訓(xùn)練集輸入步驟S56中初始的作物倒伏分級(jí)評(píng)價(jià)模型進(jìn)行訓(xùn)練，訓(xùn)練后將驗(yàn)證集代入訓(xùn)練好的作物倒伏分級(jí)評(píng)價(jià)模型中，通過(guò)調(diào)整作物倒伏分級(jí)評(píng)價(jià)模型參數(shù)，挑選出最高精度的模型作為最終模型；

S59，將測(cè)試集輸入最終模型進(jìn)行評(píng)價(jià)，若符合評(píng)價(jià)標(biāo)準(zhǔn)的，則將該最終模型作為步驟S5中訓(xùn)練好的作物倒伏分級(jí)評(píng)價(jià)模型，若評(píng)價(jià)不符合標(biāo)準(zhǔn)的，則重新選擇步驟S57-S58直至作物倒伏分級(jí)評(píng)價(jià)模型符合評(píng)價(jià)標(biāo)準(zhǔn)；

在步驟S59中基于SVM支持向量機(jī)的作物倒伏分級(jí)評(píng)價(jià)模型的評(píng)價(jià)標(biāo)準(zhǔn)采用正確率、精度、召回率3個(gè)指標(biāo)計(jì)算公式：

正確率?=

精度?=?

召回率?=

式中：TP為正確檢測(cè)倒伏分?jǐn)?shù)區(qū)間的區(qū)域數(shù)量，F(xiàn)P為被錯(cuò)誤檢測(cè)倒伏分?jǐn)?shù)區(qū)間數(shù)量，F(xiàn)N為被錯(cuò)誤檢測(cè)非倒伏分?jǐn)?shù)區(qū)間的區(qū)域數(shù)量，TN為正確檢測(cè)非倒伏分?jǐn)?shù)區(qū)間的區(qū)域數(shù)量。

2.根據(jù)權(quán)利要求1所述的基于梯度直方圖特征的作物倒伏分級(jí)方法，其特征在于，在步驟S1中，無(wú)人機(jī)搭載彩色相機(jī)拍攝待檢測(cè)大田作物冠層的RGB彩色圖像。

3.根據(jù)權(quán)利要求1所述的基于梯度直方圖特征的作物倒伏分級(jí)方法，其特征在于，步驟S52包括：將RGB彩色圖像進(jìn)行無(wú)畸變處理，校正由相機(jī)鏡頭引起的圖像失真，獲取無(wú)畸變圖像序列；之后尋找相鄰圖像對(duì)之間的特征匹配點(diǎn)，同時(shí)地面控制點(diǎn)的GPS準(zhǔn)確測(cè)量值對(duì)匹配點(diǎn)的位置進(jìn)行校正，確保重建冠層位置的精確度；基于關(guān)鍵的匹配點(diǎn)生成整個(gè)飛行區(qū)域的稠密三維點(diǎn)云，生成的二維拼接圖像攜帶有每個(gè)重建點(diǎn)的顏色；重建的拼接圖像涵蓋了飛行區(qū)域內(nèi)的整個(gè)場(chǎng)景。

4.根據(jù)權(quán)利要求1所述的基于梯度直方圖特征的作物倒伏分級(jí)方法，其特征在于，步驟S53包括：采用GPS記錄儀記錄大田每個(gè)種植區(qū)域四個(gè)頂點(diǎn)的地理位置信息，通過(guò)再投影運(yùn)算，尋找在拼接后圖像載有相同地理位置信息，自動(dòng)提取出種植區(qū)域的彩色圖像，并根據(jù)地理位置對(duì)每個(gè)區(qū)域進(jìn)行編號(hào)并記錄。

5.根據(jù)權(quán)利要求1所述的基于梯度直方圖特征的作物倒伏分級(jí)方法，其特征在于，步驟S55中，對(duì)每個(gè)種植區(qū)域的作物倒伏程度進(jìn)行人工評(píng)分包括：無(wú)人機(jī)載攝像機(jī)拍攝作物圖像前后1-2天時(shí)間內(nèi)，作物專家對(duì)每個(gè)種植區(qū)域水稻倒伏程度進(jìn)行評(píng)分，在區(qū)域尺度上，如果有10%的作物倒伏，即給出10的倒伏分?jǐn)?shù)，如果有50%的作物倒伏，即給出50的倒伏分?jǐn)?shù)，如果沒(méi)有發(fā)生倒伏，倒伏分?jǐn)?shù)為0，以倒伏的百分比給出倒伏分?jǐn)?shù)，分?jǐn)?shù)越高，倒伏越嚴(yán)重，分?jǐn)?shù)越低，倒伏程度越低。

6.根據(jù)權(quán)利要求1所述的基于梯度直方圖特征的作物倒伏分級(jí)方法，其特征在于，在步驟S57，在生成數(shù)據(jù)集時(shí)還包括：根據(jù)人工倒伏評(píng)分進(jìn)行區(qū)間劃分，把各個(gè)種植區(qū)域的HOG特征按評(píng)分區(qū)間收集，每個(gè)區(qū)間70%的HOG特征作為作物倒伏分級(jí)評(píng)價(jià)模型的訓(xùn)練集，15%作為驗(yàn)證集，剩余15%作為作物倒伏分級(jí)評(píng)價(jià)模型的測(cè)試集。