[發明專利]基于機器學習的農機作業面積計算方法及系統

有效

• 申請號: 202210568385.6
• 申請日: 2022-05-24
• 公開（公告）號: CN114662621B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 齊浩;周婷;楊帆;熊振
• 申請（專利權）人: 靈梟科技（武漢）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/762;G06V10/72;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06T7/62
• 代理公司: 武漢知伯樂知識產權代理有限公司 42282
• 代理人: 王福新

1.一種基于機器學習的農機作業面積計算方法，其特征在于，包括：

步驟1：根據農機編碼與作業時間，獲取農機具作業軌跡數據；

步驟2：對步驟1獲取到的數據進行數據處理,包括：停留點的剔除；使用lof算法對漂移點進行剔除；

步驟3：對處理好的數據計算霍普金斯統計量，如果該值大于0.8，則使用改進的dbscan聚類算法進行地塊劃分，如果小于0.8則不用使用聚類算法，如果小于0.55的則將其刪除并標注為異常作業；

步驟4：對步驟3獲取到的軌跡空間聚類數據，將其時間緯度轉化為時間戳的形式，對一維的時間戳數據進行維度擴充使其擴充到二維，使用dbscan聚類算法找到其中數量規模最大的類，取該類中的最小與最大值；

步驟5：根據步驟4得到的時間最小與最大值，從步驟2處理好的數據中篩選時間范圍在該最小值到最大值區間的值；

步驟6：將步驟5得到的數據，經緯度點連接為軌跡并將其轉化為圖片，對該圖片，使用預先訓練好的CNN算法進行分類；

步驟7：將步驟5得到的數據，對每段軌跡，以軌跡為長寬幅為寬填充顏色，得到作業區域圖形；對步驟5得到的數據運用德勞內三角剖分算法計算出輪廓，對輪廓內部進行像素點填充得到填充圖，對作業區域圖形和填充圖進行像素點統計，得到兩個圖彩色像素點個數的比值，若該值大于90%將其標注為滿幅作業，大于70%，將其標注為小部分未作業，若小于70%，則將其標注為大部分未作業；

步驟8：根據機型，步驟6所得軌跡分類，步驟7所得地塊作業分類，利用預先訓練好的決策樹模型進行計算，得出最優情況下需要使用到的軌跡插值方法與面積計算方法，對數據進行計算，并輸出計算結果；

所述步驟8包括：

步驟8.1：將軌跡經緯度數據點進行預處理；

步驟8.2：用訓練好的CNN模型進行軌跡分類，得到軌跡的類別；

步驟8.3：用不同的插值算法以及不同的計畝算法計算面積；

步驟8.4：計算誤差值，標記方法好壞，對于每條作業軌跡，將計算誤差最小的一組方法標位1，否則為0；

步驟8.5：生成特征矩陣，對于每條作業軌跡，特征為【機器類型，作業類型，軌跡類別，漏耕率，平均速度，插值方法，計畝算法】，標簽為【方法的好壞】，標簽取值為0或1；

步驟8.6：隨機分割數據集，決策樹模型建立；

所述步驟8.6中，決策樹模型建立包括：

步驟8.6.1：計算樣本的信息熵：

（1）

其中：代表分類數；為數據集中每個類別所占樣本總數的比例；

步驟8.6.2：分別計算按不同屬性對的劃分信息熵：其中：表示數據集一個屬性，表示屬性的可取值個數，數據集被分為個；

（2）

步驟8.6.3：計算以類別劃分的信息增益：

（3）

步驟8.6.4：計算信息分裂信息：

（4）

步驟8.6.5：計算信息增益率：

（5）

步驟8.6.6：重復步驟8.6.2至步驟8.6.5，同理計算出按其它屬性劃分的信息增益率，選取最大信息增益率的屬性為根節點；

步驟8.6.7：遞歸上述過程，直至數據集為空或樣本屬于同一類別或屬性列表為空；

步驟8.6.8：應用PEP剪枝算法，刪去部分節點，防止過擬合，對數據進行計算，并輸出計算結果。

2.根據權利要求1所述的一種基于機器學習的農機作業面積計算方法，其特征在于，步驟6中，所述預先訓練好的CNN算法包括：

步驟6.1：將經緯度數據點進行預處理，按時間順序連接點形成軌跡折線圖，保存折線圖；

步驟6.2：人工對部分折線圖進行分類，按照軌跡特征分為五類：交替形、回字形、往復形、聯合作業、其他，分別標識為0、1、2、3、4；

步驟6.3：讀取折線圖，轉為灰度圖，進行歸一化，并重新修改圖片尺寸，生成處理后的圖片；

步驟6.4：對處理后的圖片進行數據集劃分，按照8:2劃分為訓練集和測試集，對數據集進行one-hot編碼，得到編碼后的訓練集和測試集；

步驟6.5：CNN訓練出分類模型，對新輸入的經緯度數據，進行步驟6.1、步驟6.2、步驟6.3的處理后，使用訓練的CNN模型進行分類。