地址:亚新体育·(中国)官网-ios/安卓/手机APP下载广东省清远市
电话:0898-08980898
传真:000-000-0000
邮箱:admin@ywsxhxb.com
更新时间:2024-04-10 07:37:09
本技术涉及农业生产领域,尤其涉及一种数字果园果树定位方法、相应的装置、电子设备及计算机可读存储介质。
1、荔枝园是一个复杂的生态系统,受生态环境、天气、地形、土壤、病虫害、栽培技术等多种影响树木生长的因素影响。传统果园水、肥、农药管理全靠经验,人为因素占主导地位,管理粗放、效率低下。传统果园很少使用信息化工具进行精准管理,不收集生产数据来了解树木必要的生长数据。传统果园为提高产量,多采用改良品种、提高地力、加强传统病虫害防治,耗费人力和农业资源,但产量和荔枝品质仍存在不确定性。传统果园模式已不能满足现代果园发展要求,将传统果园升级为智慧果园是果园发展的必由之路。果业在我国农村经济发展中占有重要地位,但果园生产管理整体水平与国际先进水平相比仍有差距,尤其是在数字化、信息化、智能化管理技术方面。因此,有必要系统总结数字果园研究取得的进展,进一步明确未来的发展方向,为信息化、智能化果园的发展提供技术支撑。
2、近年来,随着深度学习技术的发展,无人机遥感与计算机视觉技术广泛应用在农业生产中。研究人员利用遥感图像的方法来实现果树的分割。例如,采用传统的机器学习方法,如分水岭算法、种子区域生长算法对果树进行分割。例如,采用语义分割的方法,如unet将果树与背景分割开来。然而,关于数字果园地图的研究还比较少,朝着这一目标的进展还比较缓慢,其中也存在一些有待进一步解决的问题。例如,由于特征匹配错误、拼接边缘处理不当等问题,拼接图的中的树普遍存在模糊不清的情况,对后续树冠上相关信息的提取有很大影响。从原图像中获取冠层信息,但原图中不包含果树的位置信息,而为每棵树安装定位装置的方案,成本巨大。
3、综上所述,适应由于特征匹配错误、拼接边缘处理不当等问题,拼接图的中的树普遍存在模糊不清的情况,对后续树冠上相关信息的提取有很大影响;从原图像中获取冠层信息,但原图中不包含果树的位置信息,而为每棵树安装定位装置的方案,成本巨大等问题,本技术人出于解决该问题的考虑作出相应的探索。
1、本技术的目的在于解决上述问题而提供一种数字果园果树定位方法、相应的装置、电子设备及计算机可读存储介质。
3、适应本技术的目的之一而提出的一种数字果园果树定位方法,包括如下步骤:
4、响应果园果树定位指令,获取果园中各个荔枝果树相对应的荔枝果树遥感图像;
6、将所述荔枝果树相对应的荔枝果树遥感图像输入至训练好的所述果树图像实例分割模型进行实例分割,确定果树分割结果,基于预设的果树识别模型识别所述果树分割结果相对应的荔枝果树遥感图像,确定所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标;
7、构建果园数字地形图,基于所述数字地形图确定各个果树相对应的全球定位系统坐标;
8、基于预设的匹配算法将所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标与各个荔枝果树在果园数字地形图中的全球定位系统坐标进行配对,确定所述荔枝果树相对应的位置,以完成数字果园中荔枝果树的定位。
10、标注所述荔枝果树相对应的荔枝果树遥感图像中荔枝果树部分以及其相对应的图片序号,以确定所述果树图像实例分割模型的训练集以及验证集;
11、根据所述训练集以及验证集对所述果树图像实例分割模型进行反向传播迭代训练,以使在每一次反向传播迭代训练中,根据标注后的所述荔枝果树相对应的荔枝果树遥感图像输入至所述果树图像实例分割模型所得到的预测框结果与实际标注结果的误差,计算目标损失函数;
12、根据所述目标损失函数更新模型参数,直至所述目标损失函数的变化值小于预设阈值或训练次数大于预设次数之后,保存模型参数并完成所述果树图像实例分割模型的训练。
13、可选的,将所述荔枝果树相对应的荔枝果树遥感图像输入至训练好的所述果树图像实例分割模型进行实例分割,确定果树分割结果的步骤,包括如下步骤:
14、所述果树图像实例分割模型中的swin-transformer网络将输入的所述荔枝果树相对应的荔枝果树遥感图像划分为若干个大小相等的小块,对每个小块进行嵌入,以确定各个小块内的特征表示;
15、采用多层平移窗口对各个小块进行自注意力计算,以将相邻的小块的特征进行信息交互;
16、基于多层平移窗口自注意力和mlp层进行特征提取,同时,在每个块的输出上进行多尺度特征融合;
17、将多个尺度的特征进行特征金字塔操作,采用全局池化和线性层进行分类输出。
18、可选的,将所述荔枝果树相对应的荔枝果树遥感图像输入至训练好的所述果树图像实例分割模型进行实例分割,确定果树分割结果的步骤,包括如下步骤:
19、所述果树图像实例分割模型中的所述hybrid task cascade检测器采用swin-transformer网络作为主干网络,对输入的所述荔枝果树相对应的荔枝果树遥感图像进行特征提取;
20、采用锚点框对所述荔枝果树遥感图像中的候选目标区域进行提取,将所述候选目标区域经过多级检测和分割头,以进行目标区域的检测和分割;
23、可选的,构建果园数字地形图,基于所述数字地形图确定各个果树相对应的全球定位系统坐标的步骤,包括如下步骤:
24、构建果园数字地形图,确定所述果园数字地形图中各个果树相对应的gps信息以及高程信息;
25、将果园的数字地形图分块处理,采用果树识别模型对数字地形图子块进行识别以确定数字地形图子块识别结果;
26、对所述数字地形图子块识别结果进行数据拼接,确定果园中各个果树相对应的像素坐标;
28、可选的,基于预设的匹配算法将所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标与各个荔枝果树在果园数字地形图中的全球定位系统坐标进行配对,确定所述荔枝果树相对应的位置的步骤,包括如下步骤:
29、计算所述荔枝果树遥感图像中荔枝果树的像素坐标到荔枝果树遥感图像中点的像素距离,并从近到远排序;
30、将所述像素距转换为全球定位系统坐标距离,确定与荔枝果树遥感图像中果树数量相同的全球定位系统坐标;
31、基于半正矢函数采用矢量角度对所述全球定位系统坐标进行对比筛选以配对荔枝果树的全球定位系统坐标,确定所述荔枝果树在数字果园中相对应的位置。
32、可选的,基于预设的匹配算法将所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标与各个荔枝果树在果园数字地形图中的全球定位系统坐标进行配对,确定所述荔枝果树相对应的位置的步骤,包括如下步骤:
33、响应农药喷洒指令,基于半正矢函数将所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标与各个荔枝果树在果园数字地形图中的全球定位系统坐标进行配对,确定所述荔枝果树相对应的位置;
34、根据所述荔枝果树相对应的位置对荔枝果园中的各个荔枝果树进行农药喷洒,以完成荔枝果树的害虫预防。
36、图像获取模块,设置为响应果园果树定位指令,获取果园中各个荔枝果树相对应的荔枝果树遥感图像;
37、分割模型构建模块,设置为将mask r-cnn模型中的骨干网络更新为swin-transformer网络,并将混合任务级联架构的hybrid task cascade检测器嵌入至所述maskr-cnn模型中,以构建果树图像实例分割模型;
38、像素坐标确定模块,设置为将所述荔枝果树相对应的荔枝果树遥感图像输入至训练好的所述果树图像实例分割模型进行实例分割,确定果树分割结果,基于预设的果树识别模型识别所述果树分割结果相对应的荔枝果树遥感图像,确定所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标;
39、全球定位坐标确定模块,设置为构建果园数字地形图,基于所述数字地形图确定各个果树相对应的全球定位系统坐标;
40、果树定位模块,设置为基于预设的匹配算法将所述荔枝果树遥感图像中荔枝果树的数量以及像素坐标与各个荔枝果树在果园数字地形图中的全球定位系统坐标进行配对,确定所述荔枝果树相对应的位置,以完成数字果园中荔枝果树的定位。
41、适应本技术的另一目的而提供的一种电子设备,包括中央处理器和存储器,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述数字果园果树定位方法的步骤。
42、适应本技术的另一目的而提供的一种计算机可读存储介质,其以计算机可读指令的形式存储有依据所述数字果园果树定位方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行相应的方法所包括的步骤。
43、相对于现有技术,本技术针对由于特征匹配错误、拼接边缘处理不当等问题,拼接图的中的树普遍存在模糊不清的情况,对后续树冠上相关信息的提取有很大影响;从原图像中获取冠层信息,但原图中不包含果树的位置信息,而为每棵树安装定位装置的方案,成本巨大等问题,本技术包括不限于如下有益效果:
44、其一,本技术所提出的匹配算法,通过获取地图和无人机图像中果树的gps信息进行匹配,无需安装定位装置,节约成本;
45、其二,本技术所提出的swi n-cmn模型在荔枝树冠层分割上具有优越性,相较于其他网络具有更好的性能指标和分割效果;
46、其三,本技术所提出的数字果园果树定位方法,该方法能够将无人机拍摄图像中的高分辨率冠层对应到地图上的思想,从而提供荔枝树高分辨率的真实冠层信息,为后续的处理提供了极大的帮助。该方法准确度高、可重复性强,解决了传统果园管理粗放、效率低下的问题,为智慧果园的有效发展提供了有效的技术支持。
技术研发人员:龙拥兵 范志文 黄文忠 李钊荣 樊嘉文 李金豪 葛唯一 赵静 徐海涛 兰玉彬
1.计算机视觉 2.无线.计算机仿线.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用