一种农田地头自动识别方法及系统技术方案

本发明专利技术实施例提供一种农田地头自动识别方法及系统，包括：获取农田地头图像；将农田地头图像输入至地头识别网络模型，根据地头识别网络模型的输出结果，获得农田地头图像对应的农田作业环境类别；其中，地头识别网络模型是根据带有农田作业环境类别标签的农田地头图像样本进行训练后获得的；农田作业环境类别包括无作物农田、有作物农田、绿色植被地头、黄色植被地头、裸露土壤地头以及人工设施地头。本发明专利技术实施例提供的农田地头自动识别方法及系统，基于深度学习的对农机作业场景下的农田地头图像进行识别，能准确的获知当前农机作业的作业环境，实时性好，能为智能农机的地头环境自主感知提供可行的技术解决方案。自主感知提供可行的技术解决方案。自主感知提供可行的技术解决方案。

【技术实现步骤摘要】
一种农田地头自动识别方法及系统


[0001]本专利技术涉及农业机械领域，尤其涉及一种农田地头自动识别方法及装置。

技术介绍

[0002]农业机械的田间作业过程可以理解为：农业机械在特定范围内针对特定目标的有规律运动。虽然农田地块规模和农机机组形式等方面存在差异，但每台农机机组必然要进行地头转弯操作，因此农田的地头转弯区域是农机作业范围的边界。农机自动导航技术能显著降低往复作业垄间重叠、遗漏，减轻驾驶人员的劳动强度，当前实用化的农机自动导航系统还处于半自动化阶段，在地头转弯处仍需要人工操作。
[0003]现有技术中实现农机自动导航的一种途径是基于农田数字地图来进行的。通过测绘或遥感影像方式绘制农田地块，在农田地块的数字地图中，地块边界被抽象为线状属性。但事实上，提供农业机械转弯的地头是一个区域，故目前农田数字地图的精度无法满足农机自动驾驶的要求。
[0004]现有技术中实现农机自动导航的另一种途径是基于图像识别技术来进行的。由于图像识别的关键步骤是图像特征提取，而传统的图像特征提取方式是使用人工设计的提取器，通过专业知识及复杂的调参过程提取颜色、纹理、形状等局部特征。加之实际的农田地头类型复杂多样，可能是种植作物的相邻农田地块边界，或者为非农田区域(如田埂、石灰路、沟渠或裸露土壤等)，从而造成了采用传统图像识别的人工特征提取方式具有诸多局限性，不能很好地适应自然条件下农田地头环境复杂多变的特点。

技术实现思路

[0005]为了克服现有技术方案中存在的不能很好地适应自然条件下农田地头环境复杂多变的缺陷，本专利技术实施例提供一种农田地头自动识别方法及装置，能够获取和自动识别农机作业场景下的农田地头图像，以满足智能农业机械地头环境感知的应用需求。
[0006]第一方面，本专利技术实施例提供一种农田地头自动识别方法，主要包括：获取农田地头图像；将农田地头图像输入至地头识别网络模型，根据地头识别网络模型的输出结果，获得农田地头图像对应的农田作业环境类别；其中，地头识别网络模型是根据带有农田作业环境类别标签的农田地头图像样本进行训练后获得的；农田作业环境类别包括无作物农田、有作物农田、绿色植被地头、黄色植被地头、裸露土壤地头以及人工设施地头。
[0007]可选地，在获取农田地头图像之后，还包括：以所述农田地头图像的短边为边长，将农田地头图像裁剪成长宽比1：1的第一图像；基于最近邻域插值法对第一图像进行缩放，获取第二图像；所述第二图像的像素为所述地头识别网络模型的可识别像素。
[0008]可选地，所述地头识别网络模型是基于MobileNet V2构建的。
[0009]可选地，所述地头识别网络模型的网络结构包括依次连接的输入层、第一卷积模块、Inverted Residual Block模块、第二卷积模块、全局平均池化层、Dropout层、1
×
1卷积层和Softmax层；所述第一卷积模块和所述第二卷积模块的结构相同，均包括依次连接的卷
积层、批量规范化层和Relu激活层；所述Inverted Residual Block模块包括7个依次连接的Inverted Residual Block；在每个Inverted Residual Block中的滑动步长为1的卷积层之间使用shortcut。
[0010]可选地，在将所述农田地头图像输入至地头识别网络模型之前，还包括：获取每一种农田作业环境类别的多个农田地头图像样本；以每个所述农田地头图像样本的图像顶端作为裁剪起点，采用中心对称的方式，对所述农田地头图像样本按预设尺寸比例进行裁剪，获取多尺寸图像样本；对每个所述农田地头图像样本按预设角度进行翻转，获取多角度图像样本；对每个所述农田地头图像样本的亮度、对比度和色度进行随机变换，获取多色彩图像样本；构建由所述农田地头图像样本、所述多尺寸图像样本、所述多角度图像样本和所述多色彩图像样本组成的农田地头图像样本集；所述农田地头图像样本集中的每个图像样本对应一个农田作业环境类别标签；利用所述农田地头图像样本集对所述地头识别网络模型进行预训练。
[0011]可选地，在获取每一种农田作业环境类别的多个农田地头图像样本之后，还包括对所述农田地头图像样本集中的每个图像样本进行预处理，包括：裁剪处理、缩放处理，以使得处理后的每个所述图像样本的像素为所述地头识别网络模型的可识别像素。
[0012]可选地，在利用所述农田地头图像样本集对所述地头识别网络模型进行预训练之前，还包括：以ImageNet为源数据集，对地头识别网络模型进行预训练。
[0013]第二方面，本专利技术实施例还提供一种农田地头自动识别装置，主要包括传感器模块和微处理器模块，其中：
[0014]传感器模块主要用于获取农田地头图像；微处理器模块装载有地头识别网络模型主要用于接收农田地头图像，以输出所述农田地头图像对应的农田作业环境类别。
[0015]其中，所述地头识别网络模型是根据带有农田作业环境类别标签的农田地头图像样本进行训练后获得的；所述农田作业环境类别包括无作物农田、有作物农田、绿色植被地头、黄色植被地头、裸露土壤地头以及人工设施地头。
[0016]第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述农田地头自动识别方法的步骤。
[0017]第四方面，本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述农田地头自动识别方法的步骤。
[0018]本专利技术实施例提供的农田地头自动识别方法及装置，基于深度学习的对农机作业场景下的农田地头图像进行识别，能准确的获知当前农机作业的作业环境，实时性好，能为智能农机的地头环境自主感知提供可行的技术解决方案。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本专利技术实施例提供的一种农田地头自动识别方法的流程示意图；
[0021]图2是本专利技术实施例提供的一种农田地头环境分类示意图；
[0022]图3为本专利技术实施例提供的一种MobileNetV2网络结构示意图；
[0023]图4是本专利技术实施例提供的一种农田地头自动识别装置的结构示意图；
[0024]图5是本专利技术实施例提供的另一种农田地头自动识别方法的流程示意图；
[0025]图6是本专利技术实施例提供的农田地头自动识别结果的可视化混淆矩阵图；
[0026]图7是本专利技术实施例提供的另一种农田地头自动识别装置的结构示意图；
[0027]图8是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0028本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农田地头自动识别方法，其特征在于，包括：获取农田地头图像；将所述农田地头图像输入至地头识别网络模型，根据所述地头识别网络模型的输出结果，获得所述农田地头图像对应的农田作业环境类别；其中，所述地头识别网络模型是根据带有农田作业环境类别标签的农田地头图像样本进行训练后获得的；所述农田作业环境类别包括无作物农田、有作物农田、绿色植被地头、黄色植被地头、裸露土壤地头以及人工设施地头。2.根据权利要求1所述的农田地头自动识别方法，其特征在于，在获取农田地头图像之后，还包括：以所述农田地头图像的短边为边长，将所述农田地头图像裁剪成长宽比1：1的第一图像；基于最近邻域插值法对所述第一图像进行缩放，获取第二图像；所述第二图像的像素为所述地头识别网络模型的可识别像素。3.根据权利要求1所述的农田地头自动识别方法，其特征在于，所述地头识别网络模型是基于MobileNet V2构建的。4.根据权利要求3所述的农田地头自动识别方法，其特征在于，所述地头识别网络模型的网络结构包括依次连接的输入层、第一卷积模块、Inverted Residual Block模块、第二卷积模块、全局平均池化层、Dropout层、1
×
1卷积层和Softmax层；所述第一卷积模块和所述第二卷积模块的结构相同，均包括依次连接的卷积层、批量规范化层和Relu激活层；所述Inverted Residual Block模块包括7个依次连接的Inverted ResidualBlock；在每个所述Inverted Residual Block中的滑动步长为1的卷积层之间使用shortcut。5.根据权利要求1所述的农田地头自动识别方法，其特征在于，在将所述农田地头图像输入至地头识别网络模型之前，还包括：获取每一种农田作业环境类别的多个农田地头图像样本；以每个所述农田地头图像样本的图像顶端作为裁剪起点，采用中心对称的方式，对所述农田地头图像样本按预设尺寸...

【专利技术属性】
技术研发人员：孟志军，刘卉，尹彦鑫，胡书鹏，聂建慧，肖跃进，梅鹤波，武广伟，杨长江，
申请(专利权)人：北京农业智能装备技术研究中心，
类型：发明
国别省市：