一种基于深度学习的玉米苗期田间分布信息统计方法技术

本发明专利技术公开了一种基于深度学习的玉米苗期田间分布信息统计方法，属于目标检测和深度学习技术领域。一种基于深度学习的玉米苗期田间分布信息统计方法，包括以下步骤：控制无人机按播种路径飞行；通过无人机拍摄获取玉米苗期图像，对图像中的整株玉米和玉米株心进行标注、训练得到权重文件；将权重文件加载到深度学习算法里得到目标检测网络，结合无人机相机标定结果进行整株玉米和玉米株心检测并计算株数、株距、行距等数据。本发明专利技术的方法可以统计作物的数量和作物间的距离，从而可以得到作物的密度、播种质量等信息；本发明专利技术解决了现有作物信息统计效率低的问题，同时深度学习算法具有较高的检测速度和检测精度，大大提升了统计效率。效率。效率。

【技术实现步骤摘要】
一种基于深度学习的玉米苗期田间分布信息统计方法
[0001]本专利技术属于目标检测和深度学习
，具体为一种基于深度学习的玉米苗期田间分布信息统计方法。

技术介绍

[0002]作物的株距和作物的株数可以反映作物的种植情况，是影响作物产量的重要因素。目前，对于播种后作物的株距和组作物的株数测量没有一个很好的方法，大多局限于人工测量或者近似计算，前者由于费时费力从而测量的规模有限、测量的效率低，后者则精度低，也无法做到很好的统计效果。
[0003]近年来，随着深度学习在计算机视觉领域的飞速发展，目标检测作为计算机视觉领域的研究热点也从基于手工特征的传统算法转向了基于深度神经网络的检测技术，深度学习系列算法使用卷积神经网络直接预测不同目标的类别与位置，目前最新的深度学习算法速度快，有非常轻量级的模型大小，同时准确度也高，实现了精度与速度的双提升。
[0004]为解决以上存在的问题，进一步提高测量效率以及测量的精度，对作物的产量提供更好的技术支持，本专利技术提供了一种基于深度学习的玉米苗期田间分布信息统计方法。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的玉米苗期田间分布信息统计方法，其特征在于，所述方法步骤如下：S1、进行航拍无人机相机标定；S2、基于北斗定位装置提取玉米播种机播种时各播种行的经纬度坐标信息，制作KML文件；S3、将KML文件作为航拍无人机的飞行规划路径导入航拍无人机控制软件中，控制无人机沿玉米播种时的路径飞行并录制玉米苗期俯拍视频影像；S4、将获取的部分视频影像间隔相同帧数提取出多张图片数据，分别以整株玉米和玉米株心为检测目标制作训练集和测试集；S5、利用深度学习算法对训练集数据进行训练并判断训练结果；S6、将训练好的权重文件加载到深度学习算法中进行所有拍摄视频的整株玉米和玉米株心检测；S7、结合相机标定结果得到深度学习算法的玉米苗期植株检测结果，输出株数、株距、行距等数据；S8、基于输出数据构建单株玉米在田块中的二维坐标，计算玉米苗密度、各行一致性变异系数等参数。2.根据权利要求1所述一种基于深度学习的玉米苗期田间分布信息统计方法，其特征在于，所述S2中提到的制作KML文件，具体包括以下步骤：A1、将玉米播种机播种作业时的行驶轨迹经纬度数据提取出来，根据播种作业边界剔除转弯、掉头等无效轨迹数据；A2、将处理后的经纬度数据按照播种作业行的相邻顺序，按照首尾相接的顺序把数据存储到Excel文件中；A3、利用KML制作软件将Excel中存储的经纬度数据转换为可供航拍无人机控制软件调用的KML格式文件。3.根据权利要求1所述一种基于深度学习的玉米苗期田间分布信息统计方法，其特征在于，所述S3中提到的控制无人机沿玉米播种时的路径飞行并录制玉米苗期俯拍视频影像，具体包括以下步骤：B1、将制作完成的KML文件导入航拍无人机控制软件中，设置航拍无人机飞行航向沿播种路径方向，设置航拍无人机拍摄方向始终沿无人机飞行方向；B2、设置航拍无人机飞行速度、飞行高度及相机俯拍角度参数，使航拍无人机相机镜头正对地表，相机取景框能够完全覆盖玉米播种机单趟作业的所有玉米播种行，飞行速度设置要求满足拍摄清晰视频画面。B3、启动航拍无人机沿KML规划轨迹飞行并录制视频，若工作过程中需要更换航拍无人机电池，更换之后沿上一断点位置继续飞行采集，直到完成整块田的视频采集工作。4.根据权利要求1所述一种基于深度学习的玉米苗期田间分布信息统计方法，其特征在于，所述S4中提到的将获取的部分视频影像间隔相同帧数提取...

【专利技术属性】
技术研发人员：刘立超，毕大伟，陈黎卿，毕全鹏，王健清，王韦韦，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：