[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

本發明公開一種農田與機耕道邊界線提取方法及系統，涉及智慧農業領域。本發明方法搭建的語義分割模型對傳統的語義分割模型進行了改進，引入了convnext特征提取網絡，并對空間池化金字塔進行了改進，同時引入了自適應注意力機制模塊，有效解決了復雜農田場景下對農田及機耕道邊界識別精度不足的問題；同時通過對預測圖像的邊緣檢測和霍夫變換，對農田及機耕道的邊界進行進一步處理，提升了邊界識別效果。本發明對農田和機耕道邊界線的分割和提取更為高效準確，適用性更強，為進一步獲取高精度農田邊界和田間道路的定位信息提供了技術支撐，對于農田的大規模管控以及智能農機的精準作業起到了積極促進作用。

技術領域

本發明涉及智慧農業技術領域，特別是涉及一種農田與機耕道邊界線提取方法及系統。

背景技術

耕地信息是重要的農業信息之一，其對于農田長勢監測、農作物產量預測、農業風險評估等應用具有重要價值。隨著智慧農業的快速發展，智能化、精準農業成為農業發展的熱點和趨勢，如無人化播種、智能農藥噴灑以及農作物智能田間管理等。如何從農田遙感影像信息中提取農田的的空間分布信息成為精準農業發展的關鍵技術。

現階段，無人機和自動駕駛農機田間作業過程中所需要的農田邊界信息基本是由人工提供，效率較低、成本高。因此農田及機耕道邊界的自動提取是智慧農業應用中的一項關鍵技術。傳統的基于遙感影像的農田邊界信息提取方法利用光譜、空間紋理等特征結合各種分類算法識別農田地塊。但現有的識別方法只能較好的分割不同類別的地物類型，對于單個農田和機耕道不能實現很好的分割。因此，有必要提供一種快速有效的農田及機耕道邊界信息精準提取方法，能夠提取完整、準確的農田邊界和機耕道道路邊緣。

發明內容

針對上述背景技術中提出的問題，本發明提供一種農田與機耕道邊界線提取方法及系統，以提高農田與機耕道邊界線提取效率及準確性。

為實現上述目的，本發明提供了如下方案：

一方面，本發明提供一種農田與機耕道邊界線提取方法，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。

可選地，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。

可選地，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。

可選地，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；