[發(fā)明專利]一種基于無人機圖像的油茶果品種識別方法

有效

• 申請?zhí)枺?/td>: 202011467599.1
• 申請日: 2020-12-14
• 公開（公告）號: CN112989912B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計）人: 陳鋒軍;朱學(xué)巖;張新偉;于越;李寧
• 申請（專利權(quán)）人: 北京林業(yè)大學(xué)
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V20/40;G06V10/774;G06V10/764;G06V10/80
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于無人機圖像的油茶果品種識別方法，其特征在于，包含以下步驟：

第一步，圖像采集和預(yù)處理：通過采用模擬投影過程進行計算的“投影算法”，進行無人機油茶果圖像采集的飛行高度計算，并在圖像采集過程測量光照強度、溫度、濕度和風(fēng)速，得到油茶果圖像、光照強度、溫度、濕度和風(fēng)速數(shù)據(jù)；

第二步，搭建油茶果品種識別數(shù)據(jù)集，采用翻轉(zhuǎn)、平移、裁剪以及亮度調(diào)整擴充無人機航拍油茶果圖像，按9:1比例劃分油茶果圖像為訓(xùn)練集和測試集；

第三步，油茶果品種識別模型訓(xùn)練：使用油茶果品種識別數(shù)據(jù)集的訓(xùn)練集圖像訓(xùn)練搭建的基于雙線性注意力網(wǎng)絡(luò)的油茶果品種識別模型，獲得油茶果品種識別模型；

第四步，將測試圖像輸入訓(xùn)練好的油茶果品種識別模型，挑選獲得最佳油茶果品種識別模型；

第五步，基于雙線性EfficientNetB0網(wǎng)絡(luò)的油茶果圖像特征提取：將任意油茶果圖像輸入雙線性EfficientNetB0網(wǎng)絡(luò)進行油茶果特征的提取，獲得兩個不同的油茶果圖像的特征圖；

第六步，基于注意力機制的油茶果特征聚焦：對兩個不同的油茶果圖像的特征圖進行基于注意力機制的特征聚焦，確定兩個不同的油茶果品種識別重點關(guān)注的圖像區(qū)域以及特征；

第七步，油茶果特征融合：采用雙線性池化對雙線性注意力EfficientNetB0網(wǎng)絡(luò)提取的兩個不同的特征進行融合，得到融合后的特征向量；

第八步，油茶果的品種識別：采用Softmax分類器處理融合后的特征向量，獲得油茶果品種識別結(jié)果；

第一步驟中無人機油茶果圖像采集飛行高度計算的“投影算法”，其計算方法為：首先，使用無人機拍攝不同品種的自然狀態(tài)下的油茶果圖像，每個品種20顆，記錄圖像中每顆油茶果肉眼可分辨時的最小像素數(shù)量，并取平均值作為油茶果直徑的平均像素數(shù)；然后將這些油茶果采摘下來，使用游標(biāo)卡尺實際測量油茶果的直徑大小，將所有油茶果直徑的平均值作為油茶果平均直徑大小；接下來，將油茶果的平均直徑除以油茶果直徑平均像素數(shù)，獲得油茶果的地面分辨率；最后，根據(jù)所提出的“投影算法”，將無人機搭載攝像頭的鏡頭焦距乘以地面分辨率后，除以無人機搭載攝像頭的像元尺寸獲得無人機最大飛行高度。

2.根據(jù)權(quán)利要求1所述的一種基于無人機圖像的油茶果品種識別方法，其特征在于所描述的第二步驟中采用翻轉(zhuǎn)、平移、裁剪以及亮度調(diào)整處理無人機采集的自然條件下的油茶果圖像，獲得擴充后的油茶果圖像數(shù)據(jù)，按照9:1的比例劃分?jǐn)U充后的油茶果圖像數(shù)據(jù)為訓(xùn)練集和測試集。

3.根據(jù)權(quán)利要求1所述的一種基于無人機圖像的油茶果品種識別方法，其特征在于所描述的第三步驟中，使用油茶果品種識別數(shù)據(jù)集的訓(xùn)練集圖像訓(xùn)練搭建的基于雙線性注意力網(wǎng)絡(luò)的油茶果品種識別模型，模型訓(xùn)練過程設(shè)置學(xué)習(xí)率、動量、批處理量和丟棄比，獲得訓(xùn)練后的基于雙線性注意力網(wǎng)絡(luò)的油茶果品種識別模型。

4.根據(jù)權(quán)利要求1所述的一種基于無人機圖像的油茶果品種識別方法，其特征在于所描述的第四步驟中，使用油茶果品種識別數(shù)據(jù)集的測試集數(shù)據(jù)測試所訓(xùn)練的油茶果品種識別模型，從而獲得最佳油茶果品種識別模型。

5.根據(jù)權(quán)利要求1所述的一種基于無人機圖像的油茶果品種識別方法，其特征在于所描述的第五步驟中的對任意輸入油茶果圖像，兩條并行的EfficientNetB0網(wǎng)絡(luò)會分別提取不同的油茶果特征，其特征提取步驟為：首先將輸入圖像縮放為224×224像素，分別輸入兩條并行的EfficientNetB0網(wǎng)絡(luò)；其次，通過EfficientNetB0網(wǎng)絡(luò)第一層的普通卷積運算輸出一個維度為112×112×32的特征圖；最后，對輸出的112×112×32的特征圖進行連續(xù)移動翻轉(zhuǎn)瓶頸卷積操作，獲得維度為7×7×320的特征圖。

6.根據(jù)權(quán)利要求1所述的一種基于無人機圖像的油茶果品種識別方法，其特征在于所描述的第六步驟中的油茶特征聚焦，采用注意力機制對兩條并行的EfficientNetB0網(wǎng)絡(luò)提取的特征分別進行聚焦，確定油茶果圖像特征圖中哪些位置的特征是品種識別所應(yīng)重點關(guān)注的。