[發明專利]一種耕地保護監管方法及系統

在審

• 申請號: 202210253327.4
• 申請日: 2022-03-15
• 公開（公告）號: CN114627364A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 彭楓;丁玉娟
• 申請（專利權）人: 彭楓
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06Q50/02;G08B21/00;G08B25/00;G16Y10/05;G16Y40/10;G16Y40/35;H04N7/18
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 袁克來

1.一種耕地保護監管方法，其特征在于，包括：

采集耕地影像信息；

對所述耕地影像信息進行分割，以得到所述耕地影像信息中每塊耕地的子影像信息；

利用云端監管模型對所述子影像信息進行識別，得到每塊所述耕地的類型；

當所述類型為非糧化時，根據對應耕地的序號和類型生成報警信息；每塊所述耕地關聯一個所述序號。

2.根據權利要求1所述耕地保護監管方法，其特征在于，

所述耕地影像信息為攝像頭拍攝所述耕地得到；所述耕地的各個角上均設有標識物。

3.根據權利要求2所述耕地保護監管方法，其特征在于，所述對耕地影像信息進行分割，以得到耕地影像信息中每塊耕地的子影像信息具體包括：

對所述耕地影像信息進行識別，以得到表征所述標識物的像素點，定義所述像素點為定位點；

連接相鄰兩個所述定位點，以得到定位邊；

當檢測到4條相互連接的所述定位邊構成矩形區域時，定義所述矩形區域為所述耕地；

將所述耕地影像信息按照所述耕地進行分割，得到所述子影像信息。

4.根據權利要求2所述耕地保護監管方法，其特征在于，所述云端監管模型通過以下方法得到：

采集樣本影像信息；所述樣本影像信息為所述攝像頭拍攝糧化耕地得到；所述糧化耕地種植不同的農產品；所述農產品包括糧食和棉、油、糖、蔬菜及飼草飼料；

設置所述糧化耕地的類型為糧化；

利用神經網絡學習方法對所述樣本影像信息進行訓練，以得到所述云端監管模型。

5.根據權利要求1所述耕地保護監管方法，其特征在于，在所述得到每塊耕地的類型之后，還包括：

獲取非糧化耕地整改信息，所述非糧化耕地整改信息包括多個待整改耕地的序號；所述非糧化耕地整改信息中所述待整改耕地的整改進度的初始值為未完成；

實時采集所述待整改耕地的影像信息，利用所述云端監管模型對所述影像信息進行識別，以得到所述待整改耕地的類型；

當所述待整改耕地的類型為糧化時，設置所述非糧化耕地整改信息中所述待整改耕地的整改進度為已完成。

6.根據權利要求1所述耕地保護監管方法，其特征在于，在所述得到每塊耕地的類型之后，還包括：

采集所述耕地的現狀利用數據；

獲取所有所述耕地的類型；

當存在類型為非糧化的耕地、或者是所述現狀利用數據包含非糧化信息時，進行報警。

7.一種耕地保護監管系統，其特征在于，包括：

采集單元：用于采集耕地影像信息；

影像處理單元：用于對所述耕地影像信息進行分割，以得到所述耕地影像信息中每塊耕地的子影像信息；

識別單元：用于利用云端監管模型對所述子影像信息進行識別，得到每塊所述耕地的類型；

報警單元：用于當所述類型為非糧化時，根據對應耕地的序號和類型生成報警信息；每塊所述耕地關聯一個所述序號。

8.根據權利要求7所述耕地保護監管系統，其特征在于，

所述云端監管模型通過以下方法得到：

采集樣本影像信息；所述樣本影像信息為攝像頭拍攝糧化耕地得到；所述糧化耕地種植不同的農產品；所述農產品包括糧食和棉、油、糖、蔬菜及飼草飼料；

設置所述糧化耕地的類型為糧化；

利用神經網絡學習方法對所述樣本影像信息進行訓練，以得到所述云端監管模型。

9.根據權利要求7所述耕地保護監管系統，其特征在于，還包括：

整改單元：用于獲取非糧化耕地整改信息，所述非糧化耕地整改信息包括多個待整改耕地的序號；所述非糧化耕地整改信息中所述待整改耕地的整改進度的初始值為未完成；實時采集所述待整改耕地的影像信息，利用所述云端監管模型對所述影像信息進行識別，以得到所述待整改耕地的類型；當所述待整改耕地的類型為糧化時，設置所述非糧化耕地整改信息中所述待整改耕地的整改進度為已完成。

10.根據權利要求7所述耕地保護監管系統，其特征在于，還包括：

跟蹤單元：用于采集所述耕地的現狀利用數據；獲取所有所述耕地的類型；當存在類型為非糧化的耕地、或者是所述現狀利用數據包含非糧化信息時，進行報警。