农作物倒伏程度识别方法及装置制造方法及图纸

本发明专利技术提供一种农作物倒伏程度识别方法及装置，该方法包括：根据待识别区域的遥感影像，获取待识别区域的遥感影像特征；将待识别区域的遥感影像特征输入遥感影像识别模型，获取待识别区域的农作物倒伏程度；其中，遥感影像识别模型是基于样本区域的遥感影像特征以及样本区域的农作物倒伏程度训练后得到；样本区域的农作物倒伏程度是根据样本区域的无人机影像预先获取的。本发明专利技术提供的农作物倒伏程度识别方法及装置，能通过遥感技术快速和便捷地获取大面积区域的遥感影像，能基于训练好的遥感影像识别模型识别遥感影像，能更高效地识别大面积区域的农作物倒伏程度，能降低识别大面积区域的农作物倒伏程度所需的时间成本。

【技术实现步骤摘要】
农作物倒伏程度识别方法及装置
本专利技术涉及图像处理
，尤其涉及一种农作物倒伏程度识别方法及装置。
技术介绍
倒伏是直立生长的作物成片发生歪斜，甚至全株匍倒在地的现象，倒伏可使农作物的产量和质量降低。根据农作物茎秆倾斜角度，可将倒伏程度划分为多个等级。及时准确地获得农作物倒伏程度对于估计农作物产量损失和做出生产决策等十分重要。常规的获得农作物倒伏程度的方法可以分为两类，一是在待识别区域内进行人工测量，获得农作物倒伏程度；二是利用无人机获取待识别区域的影像后，利用图像识别技术获得农作物倒伏程度。在待识别区域的面积较大时，前者进行人工测量需要花费很高的时间成本；后者由于无人机获取影像的数量与待识别区域的面积大小正相关，若待识别区域的面积较大，则需要通过无人机获取大量的待识别区域的影像，同样需要花费很高的时间成本。综上所述，上述两种获得农作物倒伏程度的方法效率较低。
技术实现思路
本专利技术提供一种农作物倒伏程度识别方法及装置，用以解决现有技术中待识别区域面积较大时获得农作物倒伏程度效率较低的缺陷，实现更高效率的识别农作物倒伏程度。本专利技术提供一种农作物倒伏程度识别方法，包括：根据待识别区域的遥感影像，获取待识别区域的遥感影像特征；将所述待识别区域的遥感影像特征输入遥感影像识别模型，获取所述待识别区域的农作物倒伏程度；其中，所述遥感影像识别模型是基于样本区域的遥感影像特征以及样本区域的农作物倒伏程度进行训练后得到；所述样本区域的农作物倒伏程度是根据样本区域的无人机影像预先获取的。根据本专利技术提供的一种农作物倒伏程度识别方法，所述将所述待识别区域的遥感影像特征输入遥感影像识别模型，获取所述待识别区域的农作物倒伏程度之前，还包括：根据样本区域的无人机影像，获取样本区域的无人机影像特征；将所述样本区域的无人机影像特征输入无人机影像识别模型，获取样本区域的农作物倒伏空间分布图；根据所述农作物倒伏空间分布图，获取所述样本区域的农作物倒伏程度；其中，所述无人机影像识别模型是基于建模区域的无人机影像特征以及对应的无人机影像识别标签进行训练后得到；所述无人机影像识别标签根据所述建模区域的无人机影像预先确定，并与所述建模区域的无人机影像一一对应。根据本专利技术提供的一种农作物倒伏程度识别方法，所述根据所述农作物倒伏空间分布图，获取所述样本区域的农作物倒伏程度，具体包括：根据所述样本区域的遥感影像和所述样本区域的无人机影像的分辨率，获取窗口的尺寸；按照预设的步长，在所述农作物倒伏空间分布图中滑动所述尺寸的窗口，根据每次滑动后所述窗口内农作物的倒伏程度，获取所述样本区域的农作物倒伏程度。根据本专利技术提供的一种农作物倒伏程度识别方法，所述根据样本区域的无人机影像，获取所述样本区域的无人机影像特征，具体包括：根据原始样本区域的无人机影像，获取原始样本区域的无人机影像特征；基于所述原始样本区域的无人机影像特征，通过箱线图对所述原始样本区域进行筛选，筛选出所述原始样本区域中的多个区域作为所述样本区域；根据原始样本区域的无人机影像特征，获取所述样本区域的无人机影像特征。根据本专利技术提供的一种农作物倒伏程度识别方法，所述无人机影像特征，包括：植被指数特征、纹理特征和原始波段反射率值中的任意多种。根据本专利技术提供的一种农作物倒伏程度识别方法，所述根据原始样本区域的无人机影像，获取原始样本区域的纹理特征，具体包括：根据所述原始样本区域的无人机影像和变换矩阵，获取原始样本区域的无人机主成分影像；根据所述原始样本区域的无人机主成分影像，获取灰度共生矩阵和像元形状指数，根据所述灰度共生矩阵和所述像元形状指数获取所述原始样本区域的纹理特征；其中，所述变换矩阵是基于所述建模区域的无人机影像获得的。根据本专利技术提供的一种农作物倒伏程度识别方法，所述将所述样本区域的无人机影像特征输入无人机影像识别模型，获取样本区域的农作物倒伏空间分布图之前，还包括：根据原始建模区域的无人机影像，获取原始建模区域的无人机影像特征；基于所述原始建模区域的无人机影像特征，通过箱线图对所述原始建模区域进行筛选，筛选出所述原始建模区域中的多个区域作为所述建模区域；根据原始建模区域的无人机影像特征，获取所述建模区域的无人机影像特征；基于Xgboost分类方法，根据所述建模区域的无人机影像特征以及对应的无人机影像识别标签进行训练，获得所述无人机影像识别模型。本专利技术还提供一种农作物倒伏程度识别装置，包括：图像获取模块，用于根据待识别区域的遥感影像，获取待识别区域的遥感影像特征；图像识别模块，用于将所述待识别区域的遥感影像特征输入遥感影像识别模型，获取所述待识别区域的农作物倒伏程度；其中，所述遥感影像识别模型是基于样本区域的遥感影像特征以及样本区域的农作物倒伏程度进行训练后得到；所述样本区域的农作物倒伏程度是根据样本区域的无人机影像预先获取的。本专利技术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作物倒伏程度识别方法的步骤。本专利技术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作物倒伏程度识别方法的步骤。本专利技术提供的农作物倒伏程度识别方法及装置，通过无人机获取样本区域的无人机影像，根据样本区域的无人机影像获取样本区域的农作物倒伏程度，基于样本区域的农作物倒伏程度和样本区域的遥感影像特征训练得到遥感影像识别模型，通过将待识别区域的遥感影像特征输入训练好的遥感影像识别模型，获取待识别区域的农作物倒伏程度，能通过遥感技术快速和便捷地获取大面积区域的遥感影像，能基于训练好的遥感影像识别模型识别遥感影像，能更高效地识别大面积区域的农作物倒伏程度，能降低识别大面积区域的农作物倒伏程度所需的时间成本。附图说明为了更清楚地说明本专利技术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。图1是本专利技术提供的农作物倒伏程度识别方法的流程示意图；图2是本专利技术提供的农作物倒伏程度识别装置的结构示意图；图3是本专利技术提供的电子设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”本文档来自技高网...

【技术保护点】
1.一种农作物倒伏程度识别方法，其特征在于，包括：/n根据待识别区域的遥感影像，获取待识别区域的遥感影像特征；/n将所述待识别区域的遥感影像特征输入遥感影像识别模型，获取所述待识别区域的农作物倒伏程度；/n其中，所述遥感影像识别模型是基于样本区域的遥感影像特征以及样本区域的农作物倒伏程度进行训练后得到；所述样本区域的农作物倒伏程度是根据样本区域的无人机影像预先获取的。/n

【技术特征摘要】
1.一种农作物倒伏程度识别方法，其特征在于，包括：
根据待识别区域的遥感影像，获取待识别区域的遥感影像特征；
将所述待识别区域的遥感影像特征输入遥感影像识别模型，获取所述待识别区域的农作物倒伏程度；
其中，所述遥感影像识别模型是基于样本区域的遥感影像特征以及样本区域的农作物倒伏程度进行训练后得到；所述样本区域的农作物倒伏程度是根据样本区域的无人机影像预先获取的。


2.根据权利要求1所述的农作物倒伏程度识别方法，其特征在于，所述将所述待识别区域的遥感影像特征输入遥感影像识别模型，获取所述待识别区域的农作物倒伏程度之前，还包括：
根据样本区域的无人机影像，获取样本区域的无人机影像特征；
将所述样本区域的无人机影像特征输入无人机影像识别模型，获取样本区域的农作物倒伏空间分布图；
根据所述农作物倒伏空间分布图，获取所述样本区域的农作物倒伏程度；
其中，所述无人机影像识别模型是基于建模区域的无人机影像特征以及对应的无人机影像识别标签进行训练后得到；所述无人机影像识别标签根据所述建模区域的无人机影像预先确定，并与所述建模区域的无人机影像一一对应。


3.根据权利要求2所述的农作物倒伏程度识别方法，其特征在于，所述根据所述农作物倒伏空间分布图，获取所述样本区域的农作物倒伏程度，具体包括：
根据所述样本区域的遥感影像和所述样本区域的无人机影像的分辨率，获取窗口的尺寸；
按照预设的步长，在所述农作物倒伏空间分布图中滑动所述尺寸的窗口，根据每次滑动后所述窗口内农作物的倒伏程度，获取所述样本区域的农作物倒伏程度。


4.根据权利要求2所述的农作物倒伏程度识别方法，其特征在于，所述根据样本区域的无人机影像，获取所述样本区域的无人机影像特征，具体包括：
根据原始样本区域的无人机影像，获取原始样本区域的无人机影像特征；
基于所述原始样本区域的无人机影像特征，通过箱线图对所述原始样本区域进行筛选，筛选出所述原始样本区域中的多个区域作为所述样本区域；
根据原始样本区域的无人机影像特征，获取所述样本区域的无人机影像特征。


5.根据权利要求4所述的农作物倒伏程度识别方法，其特征在于，所述无人机影像特征，包括：<...

【专利技术属性】
技术研发人员：苏伟，陶万成，王新盛，黄健熙，谢茈萱，张颖，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11