[發明專利]一種農田與機耕道邊界線提取方法及系統

在審

• 申請號: 202310361463.X
• 申請日: 2023-04-07
• 公開（公告）號: CN116091951A
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 胡煉;楊魯寧;何杰;汪沛;羅錫文;黃培奎;李偉聰;滿忠賢
• 申請（專利權）人: 華南農業大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V20/10;G06V20/70;G06V10/26;G06V10/44;G06V10/48;G06V10/774;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/084;G06N3/096
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉芳

1.一種農田與機耕道邊界線提取方法，其特征在于，包括：

獲取無人機拍攝的農田圖像并制作分割數據集；

搭建語義分割模型；所述語義分割模型包括convnext特征提取網絡、改進的空洞空間卷積池化金字塔、注意力機制模塊、卷積層、上采樣層和特征連接層；

基于分割數據集對語義分割模型進行訓練和驗證，得到訓練好的語義分割模型；

采用訓練好的語義分割模型對待提取農田圖像中的農田與機耕道邊界線進行識別，得到預測圖像；

對預測圖像進行邊緣檢測和霍夫變換，提取出預測圖像中的農田與機耕道邊界線并生成邊界線圖層。

2.根據權利要求1所述的農田與機耕道邊界線提取方法，其特征在于，所述獲取無人機拍攝的農田圖像并制作分割數據集，具體包括：

獲取無人機拍攝的多幅農田圖像，經拼接得到農場全局圖像；

將農場全局圖像分割為多個512×512像素大小的圖像塊，并對圖像塊中的農田邊界和機耕道邊界進行像素級標注，生成多個標簽圖像；

將多個標簽圖像隨機劃分成訓練集和驗證集，并對訓練集進行數據增強處理，增強處理后的訓練集與驗證集共同構成分割數據集。

3.根據權利要求2所述的農田與機耕道邊界線提取方法，其特征在于，所述基于分割數據集對語義分割模型進行訓練和驗證，得到訓練好的語義分割模型，具體包括：

采用混合損失函數并利用增強處理后的訓練集對語義分割模型進行訓練，利用驗證集對訓練過程中的語義分割模型進行驗證，計算其像素準確率和平均交并比，待像素準確率和平均交并比趨于穩定時終止訓練，得到訓練好的語義分割模型。

4.根據權利要求3所述的農田與機耕道邊界線提取方法，其特征在于，所述對預測圖像進行邊緣檢測和霍夫變換，提取出預測圖像中的農田與機耕道邊界線，具體包括：

對預測圖像進行灰度處理，得到灰度圖像；

利用canny算子對灰度圖像進行邊緣檢測，得到邊緣圖像；

通過霍夫變換對邊緣圖像中不同形態特征的農田邊界線和機耕道邊界線進行提取，提取出農田與機耕道邊界線。

5.根據權利要求4所述的農田與機耕道邊界線提取方法，其特征在于，所述提取出預測圖像中的農田與機耕道邊界線之后，還包括：

對提取效果不佳或產生誤判的農田與機耕道邊界線進行修正，并將修正圖像以512×512像素大小進行保存，構建修正圖像樣本；

將修正圖像樣本加入分割數據集中。

6.一種農田與機耕道邊界線提取系統，其特征在于，包括：

分割數據集制作模塊，用于獲取無人機拍攝的農田圖像并制作分割數據集；

語義分割模型搭建模塊，用于搭建語義分割模型；所述語義分割模型包括convnext特征提取網絡、改進的空洞空間卷積池化金字塔、注意力機制模塊、卷積層、上采樣層和特征連接層；

模型訓練及驗證模塊，用于基于分割數據集對語義分割模型進行訓練和驗證，得到訓練好的語義分割模型；

邊界線識別模塊，用于采用訓練好的語義分割模型對待提取農田圖像中的農田與機耕道邊界線進行識別，得到預測圖像；

邊界線提取模塊，用于對預測圖像進行邊緣檢測和霍夫變換，提取出預測圖像中的農田與機耕道邊界線并生成邊界線圖層。

7.根據權利要求6所述的農田與機耕道邊界線提取系統，其特征在于，所述分割數據集制作模塊，具體包括：

圖像拼接單元，用于獲取無人機拍攝的多幅農田圖像，經拼接得到農場全局圖像；

圖像分割及標注單元，用于將農場全局圖像分割為多個512×512像素大小的圖像塊，并對圖像塊中的農田邊界和機耕道邊界進行像素級標注，生成多個標簽圖像；

數據集制作單元，用于將多個標簽圖像隨機劃分成訓練集和驗證集，并對訓練集進行數據增強處理，增強處理后的訓練集與驗證集共同構成分割數據集。