一种基于无人机数据采集的果树识别和数量监测方法技术

本发明专利技术提出一种基于无人机数据采集的果树识别和数量监测方法，包括：S1

【技术实现步骤摘要】
一种基于无人机数据采集的果树识别和数量监测方法


[0001]本专利技术涉及一种精细化果园管理方法，尤其涉及一种基于无人机数据采集的果树识别和数量监测方法。

技术介绍

[0002]果园精准管理是农业信息化的重要组成部分，也是提高果园管理效率、提高经济收入的有效途径。随着遥感技术空间分辨率的提高，遥感与计算机技术融合发展，在果园面积监测、病虫害监测、果树个体检测等方面取得了众多突破。尤其是近年来无人机低空遥感技术的快速发展，使遥感数据获取更加灵活和便捷，成本更低，促进了遥感在农业上的应用。
[0003]对果树的个体识别和准确计数是进行精准施肥、精准用药、产量预测、农业保险等果园现代化应用的重要数据基础。由于现代果园规模越来越大，依靠人工统计方法进行果园个体识别和计数困难较大。另外，为了适应果园日常管理，对果树的识别和计数应该更加精准并具有实时性。
[0004]中国专利申请“CN201910207888.9一种基于深度学习卷积神经网络的果树长势监控系统”实现了一种根据果园照片自动分离出单株果树轮廓，并对单株果树长势进行判断分类的方法。该专利申请利用深度学习方法，在果树各个生长周期利用无人机拍摄监控地块照片，并利用基于卷积神经网络的目标检测方法分离出单株果树，并利用计算机视觉算法勾画果树表型特征，同时对果树长势进行分类和评价，从而实现对果树的自动长势监测管理。另外，王上上等在仲恺农业工程学院学报2017年第30卷第3期发表的“无人机遥感技术对园林树木的计数统计”中提出利用eCognition软件对无人机遥感图像进行处理，实现了公园不同种类树木的树冠统计。
[0005]在利用无人机低空遥感图像进行果园果树识别提取中，基于光谱(颜色)特征的果树识别方法通常容易受到光照强度及阴影的干扰。例如，在不同季节不同时间段不同地域、由于太阳照射角度不同，导致果树的阴影会随之发生变化。正是由于阴影具有动态变化的特征，在图像识别处理中往往难以消除阴影，导致识别精度下降。在基于机器学习的果树识别方法中，由于训练数据与测试数据的采集时间、地点、光照状况不同，训练数据与测试数据存在明显特征差异，导致训练出来的识别模型环境适应性较差。
[0006]同时，基于光谱(颜色)特征的果树识别方法还存在将杂草或者其他具有相似颜色的植被错误分类成果树的现象，也就是说在果树识别提取中，颜色特征本身在类别的区分度上区分度较差。
[0007]再次，在果树识别和数目统计中，还存在重复计数的现象。例如，同一株果树可能出现在无人机所拍摄的多幅图像中，如果不进行去重处理，会产生重复计数问题，影响计算结果的准确性。另外，经过无人机图像拼接后所得到的园区整体图像，由于其尺寸大小超过图像处理算法单次能够处理的图像大小的最大限制，往往需要切分后才能进行果树识别处理。在切分边界上，存在一棵树被切分在不同子图像中的现象，容易导致该果树识别失败、
或者该果树在两个子图或者多个子图中同时被识别为果树，这样也导致了果树被重复计数，从而影响了果园数目统计的最终精度。
[0008]综上所述，其一，在果树识别提取中光谱(颜色)特征不是理想的稳定性高、区分度好的特征，从而可能影响果树识别的精度和识别方法的环境适应性。其二，果树识别处理中还需要克服果树重复计数的难题。

技术实现思路

[0009]针对
技术介绍
中的问题，本专利技术提出一种基于无人机数据采集的果树识别和数量监测方法，包括：
[0010]S1
‑
1，对无人机采集的多幅图像进行拼接，根据拼接后的图像得到三维点云数据集和数字表面模型DSM数据；
[0011]S1
‑
2，对三维点云数据集进行布料模拟滤波CSF处理，得到数字高程模型DEM数据；
[0012]S1
‑
3，对DEM进行异常值剔除和DEM校准；
[0013]S1
‑
4，根据DEM数据和DSM数据计算差值求得果园的树高数据，并将树高数据转化为灰度图，再进一步将灰度图转化为假彩图图像。
[0014]根据另一个实施方式，本专利技术提出一种基于无人机数据采集的果树识别和数量监测方法，包括：
[0015]S1，对无人机采集的图像数据进行处理来提取果树树高数据，将果树树高数据转化为灰度图，然后将灰度数据转换成假彩色图像；
[0016]S2，将果树树高假彩图进行裁剪形成多个子图像，标注子图像中代表果树的不规则点作为果树训练样本库；
[0017]S3，对果树训练样本库进行果树单株识别模型的训练，得到果树单株识别模型；
[0018]S4，以统一坐标系为基础，将果树树高假彩图裁剪为小图，剪裁后的小图与其四周临近图像保持一定的重叠度，然后利用S3中的果树训练出的果树识别模型，逐一识别小图中的果树并记录果树在小图中的位置信息，识别后将所识别的果树的位置进行坐标转换处理，计算其在统一参考坐标系下的位置值，并将图像重叠部分所识别的果树根据距离进行合并处理，得到果园果树信息。
[0019]本专利技术还提出一种基于无人机数据采集的果树识别和数量监测系统，包括：
[0020]树高计算单元，所述树高计算单元对无人机采集的图像数据进行处理来提取果树树高数据，将果树树高数据转化为灰度图，然后将灰度数据转换成假彩色图像；
[0021]果树样本库制作单元，所述果树样本库制作单元将果树树高假彩图进行裁剪形成多个子图像，标注子图像中代表果树的不规则点作为果树训练样本库；
[0022]果树单株识别单元，所述果树单株识别单元对果树训练样本库进行果树单株识别模型的训练，得到果树单株识别模型；
[0023]果树计数统计单元，所述果树计数统计单元以统一坐标系为基础，将果树树高假彩图裁剪为小图，剪裁后的小图与其四周临近图像保持一定的重叠度，然后利用果树单株识别单元中的果树训练出的果树识别模型，逐一识别小图中的果树并记录果树在小图中的位置信息，识别后将所识别的果树的位置进行坐标转换处理，计算其在统一参考坐标系下的位置值，并将图像重叠部分所识别的果树根据距离进行合并处理，得到果园果树信息。
[0024]本专利技术的有益效果为：提出一种基于无人机数据采集的果树识别和数量监测系统及方法，通过对无人接遥感图像进行拼接处理,分别得到果园果树的数字表面模型(DSM,Digital Surface Model)及果园果树的三维点云数据,通过对三维点云的滤波处理获得果园果树的数字高程模型(DEM,Digital Elevation Matrix),根据DEM数据和DSM数据计算果树高度。基于上述果树高度灰度图像,利用深度学习目标识别方法，实现果园果树的精准识别,降低或者避免了树木阴影和杂草等相似植被在无人机遥感图像处理过程中产生的不利影响，提高了果树识别和数量统计精度。
附图说明
[0025]为了更容易理解本专利技术，将通过参照附图中示出的具体实施方式更详细地描述本专利技术。这些附图只描绘了本专利技术的典型实施方式，不应认为对本专利技术保护范围的限制。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机数据采集的果树识别和数量监测方法，其特征在于，包括：S1
‑
1，对无人机采集的多幅图像进行拼接，根据拼接后的图像得到三维点云数据集和数字表面模型DSM数据；S1
‑
2，对三维点云数据集进行布料模拟滤波CSF处理，得到数字高程模型DEM数据；S1
‑
3，对DEM进行异常值剔除和DEM校准；S1
‑
4，根据DEM数据和DSM数据计算差值求得果园的树高数据，并将树高数据转...

【专利技术属性】
技术研发人员：段玉林，史云，张保辉，吴文斌，
申请(专利权)人：中国农业科学院农业资源与农业区划研究所，
类型：发明
国别省市：