申请/专利权人：安徽农业大学

申请日：2022-01-17

公开（公告）日：2024-06-21

公开（公告）号：CN114419439B

主分类号：G06V20/10

分类号：G06V20/10;G06N3/0464;G06N3/08;G06V10/762;G06V10/774;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.05.20#实质审查的生效;2022.04.29#公开

摘要：本发明公开了一种基于无人机遥感及深度学习的小麦幼苗监测方法，方法：步骤1、训练深度学习网络得到小麦幼苗检测模型；步骤2、使用小麦幼苗分级数据集训练深度学习网络得到小麦幼苗分级模型；步骤3、在小麦田间选择一个矩形区域作为取样块，在矩形的顶点处插上标签作为标记点，计算取样块面积S；步骤4、使用无人机采集取样块图像，利用小麦幼苗检测模型检测图像中所有幼苗的位置；步骤5、统计取样块内的小麦幼苗数量N，计算得到幼苗密度P=NS；步骤6、利用小麦幼苗分级模型对取样块标记框中的所有幼苗个体进行分级，计算第i级别的幼苗数量Ni与幼苗数量N的比例Ri。本发明通过深度学习网络的训练和先验框的优化可以实现复杂场景下小麦幼苗的检测，大大提高了小麦幼苗检测的准确性和可靠性。

主权项：1.一种基于无人机遥感及深度学习的小麦幼苗监测方法，其特征在于，所述方法包括下列顺序的步骤：步骤1、使用无人机采集小麦幼苗图像，制作小麦幼苗数据集，通过上述数据集训练深度学习网络，得到小麦幼苗检测模型；步骤2、按叶片数量将小麦幼苗划分为1叶、2叶、3叶、3叶以上四个级别，制作小麦幼苗分级数据集，通过上述分级数据集训练深度学习网络，得到小麦幼苗分级模型；步骤3、在小麦田间选择一个矩形区域作为取样块，在矩形的顶点处插上标签作为标记点，计算取样块面积S；步骤4、使用无人机距离地面一定高度，以一定角度采集取样块图像I，将取样块图像I送入小麦幼苗检测模型中，利用小麦幼苗检测模型检测图像中所有幼苗的位置；步骤5、同时，从取样块图像I中提取标记点，获得取样块位置，统计取样块内的小麦幼苗数量N，计算得到幼苗密度P=NS；步骤6、利用小麦幼苗分级模型对取样块标记框中的所有幼苗个体进行分级，统计得到第i级别的幼苗数量Ni，其中，i=1、2、3、4，分别一一对应1叶、2叶、3叶、3叶以上四个级别，计算第i级别的幼苗数量Ni与幼苗数量N的比例Ri=NiN*100%；步骤7、使用无人机距离地面一定高度，垂直于地面采集小麦幼苗俯拍图像F，对俯拍图像F利用阈值分割法获得小麦幼苗二值化图像，统计小麦幼苗像素数Sw、图像像素总数S0，计算出小麦幼苗的地面覆盖度Cover=SwS0；步骤8、输出小麦幼苗监测结果，包括幼苗密度P、每个级别幼苗数量Ni及比例Ri、幼苗的地面覆盖度Cover。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于无人机遥感及深度学习的小麦幼苗监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD