[發明專利]一種免定標檀香樹植株缺苗定位方法在審
| 申請號： | 202210277514.6 | 申請日： | 2022-03-21 |
| 公開（公告）號： | CN114842326A | 公開（公告）日： | 2022-08-02 |
| 發明（設計）人： | 張宇;牛家俊;薛月菊;徐浩然;張家祥 | 申請（專利權）人： | 華南農業大學;廣州創紐人工智能科技有限公司 |
| 主分類號： | G06V20/10 | 分類號： | G06V20/10;G06V10/82;G06V10/774;G06N3/04;G06N3/08 |
| 代理公司： | 廣東廣信君達律師事務所 44329 | 代理人： | 熊冰 |
| 地址： | 510642 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 定標 檀香 植株 定位 方法 | ||
1.一種免定標檀香樹植株缺苗定位方法，其特征在于，包括以下步驟：
首先，通過預訓練的檢測模型檢測出待缺苗定位的遙感圖像中檀香樹目標，然后，根據已檢測出的檀香樹目標的像素坐標確定列基準位置，劃分列區域；再通過線性回歸擬合，得到每個列區域的檀香樹排列的線性回歸函數；確定邊緣目標，根據線性回歸函數延長回歸直線，將位于回歸直線延長線上的邊緣目標納入該直線所屬的列區域；之后，擴充后的列區域進行第二次線性回歸，修正線性回歸函數；最后，通過給定的預設距離，利用線性回歸函數對相應列區域進行缺苗定位。
2.根據權利要求1所述的免定標檀香樹植株缺苗定位方法，其特征在于，所述檢測模型為預訓練的YOLOv4模型，YOLOv4模型的預訓練過程為：
獲取檀香樹種植區域的低空遙感影像圖像并構建數據集，對數據集中的圖像進行預處理，對數據集中每張遙感影像圖像標注檀香樹，記錄每一棵檀香樹像素坐標及標簽，并對數據集進行劃分后訓練，根據算法預測結果的map分數的大小，挑選最優的YOLOv4模型作為檢測模型。
3.根據權利要求1所述的免定標檀香樹植株缺苗定位方法，其特征在于，所述根據已檢測出的檀香樹目標的像素坐標分配各個檀香樹目標所在的列區域，包括：
用pi(xlt，ylt，xrb，yrb)表示模型識別出的檀香樹目標i(i＝1，2...，n)的定位信息，其中xlt，ylt表示目標左上角點的橫坐標、縱坐標；xrb，yrb表示目標右下角點的橫坐標、縱坐標；所有檀香樹目標定位信息記為P＝{p1，p2，…，pn}，n為預測的檀香樹目標的個數，檀香樹目標pi的橫坐標范圍記為Xi＝[xlt，xrb]；
在P中隨機取出一個檀香樹目標pi，將pi作為一個列區域的基準，并從P中移除pi；在P中進行遍歷：
若存在一個檀香樹目標pj(pj∈P)，pj的橫坐標范圍Xj與pi的橫坐標范圍Xi有交集，表示為則將該檀香樹目標pj歸屬到pi作為基準的列區域Colk，并從P中移除pj；將所有橫坐標范圍與Xi有交集的檀香樹目標分配至同一個列區域Colk，則該列區域Colk由d個檀香樹木目標組成，記為Colk＝{pk1，…，pki，…，pkj，…pkd}；當P中除了pi之外的所有檀香樹目標都遍歷完之后，隨機選取下一個檀香樹目標并作為一個新的列區域的基準，重復上述的遍歷操作，直至P中所有的檀香樹目標都分配到列區域。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華南農業大學;廣州創紐人工智能科技有限公司，未經華南農業大學;廣州創紐人工智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210277514.6/1.html，轉載請聲明來源鉆瓜專利網。
