[發明專利]一種基于深度學習技術的果樹統計方法

在審

• 申請號: 202210256175.3
• 申請日: 2022-03-15
• 公開（公告）號: CN114596505A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 楊洲;袁浩天;黃可坤;段潔利;王昭銳;張漢堯;何俊宇
• 申請（專利權）人: 華南農業大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V20/17;G06V10/26;G06V10/82;G06T7/73;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 佛山市君創知識產權代理事務所(普通合伙) 44675
• 代理人: 冼柏恩

1.一種基于深度學習技術的果樹統計方法，其特征在于，包括以下步驟：

獲取待統計區域的衛星遙感圖像；

在衛星遙感圖像上，分別選擇若干個訓練樣本子區域和若干個測試樣本子區域；

針對訓練樣本子區域，采用雙線性插值方法對圖像進行采樣，再采用非局部均值濾波對插值后的圖像進行去噪；采用隨機裁剪方法對其區域進行裁剪，作為深度學習模型的訓練樣本；通過labelImg軟件對圖像中的果樹進行矩形框標注；將訓練樣本集與對應的標注集，通過深度學習模型使用迭代訓練的方式進行訓練，得到果樹目標檢測模型；

針對測試樣本子區域，先采樣后劃分，構建測試樣本集；

將測試圖像送進果樹目標檢測模型進行預測，得到每個圖像中果樹的邊框坐標；

完成測試集中所有圖像的預測后，將得到的每個相對于子圖像的邊框坐標轉換為相對整個研究區域影像的邊框坐標，并使用非極大值抑制方法去除同一棵果樹被重復檢測的情況；

在整個圖像的標注文件中，每一行代表一棵樹的矩形坐標，統計行數即完成區域果樹統計。

2.根據權利要求1所述基于深度學習技術的果樹統計方法，其特征在于，對每塊子區域進行采樣，將圖片上采樣到2400×2400像素。

3.根據權利要求2所述基于深度學習技術的果樹統計方法，其特征在于，對于放大后的每塊子區域，采用隨機裁剪方法，從6個2400×2400區域的像素區域中生成6000個640×640像素的圖像，每個圖像包含10棵果樹，作為深度學習模型的訓練樣本。

4.根據權利要求1所述基于深度學習技術的果樹統計方法，其特征在于，通過雙線性插值利用與坐標軸平行的直線去把小數坐標分解到相鄰的四個整數坐標點，賦予不同的權重進行計算；具體為：

尋找距離對應坐標最近的四個已知像素點，分別設為Q11＝(x1,y1)、Q12＝(x1,y2),Q21＝(x2,y1),Q22＝(x2,y2)；

在x方向進行線性插值：

其中，R1＝(x,y1)，R2＝(x,y2)；

在y方向進行線性插值：

綜合x方向和y方向，雙線性插值的結最后果為：

5.根據權利要求1所述基于深度學習技術的果樹統計方法，其特征在于，所述非局部均值濾波的具體操作為：

利用整張圖像的像素點進行濾波，f(x)為含有噪聲的圖片，G(x)為去除噪聲的圖片，在f(x)中選取像素i和像素j，將i作為中心點，選取i的鄰域，稱為相似塊比較區域，計算這個鄰域里各個點之間的像素值的高斯加權歐氏距離，去噪過程輸入與輸出的關系為：

其中，y的取值范圍為整張圖像；ω為圖像塊x，y的相似度；是高斯核；λ(i)是以i為中心的圖像中的塊區域；h為衰減因子。

6.根據權利要求1所述基于深度學習技術的果樹統計方法，其特征在于，所述測試樣本集的構建操作為：

將600×600像素區域的測試區域采樣為2400×2400像素，采用重疊劃分法將放大后的測試圖像劃分為640×640像素的測試樣本，選擇100像素作為測試樣本重疊區域的寬度；每個果樹至少完整包括在一個測試樣本圖像上。