【技术实现步骤摘要】
基于人工智能的植物识别方法、装置以及设备
[0001]本公开涉及人工智能领域,具体涉及图像识别、多模态识别、深度学习技术,可应用在智慧城市、智慧农业场景下。
技术介绍
[0002]农作物种植情况对于作为农业大国的我国来说是关乎民生的重要课题之一。然而,我国幅员广大,各地自然条件也多有差异,单纯依靠人工统计农作物相关信息效率较为低下。随着遥感技术的发展,遥感图像监测范围广、数据获取成本低的特点使得对农作物种植面积的分析取得了长足的进步。
[0003]目前,通过遥感技术识别农作物的方案主要包括两种:其一,遥感领域的指数判别法,例如计算NDVI(Normalized Difference Vegetation Index,归一化植被指数)等,通过设定不同阈值,对原始遥感图像中的像素点进行农作物种类的判别;其二,机器学习方法,将遥感图像输入到分类器中进行农作物种类的判别。
技术实现思路
[0004]本公开实施例提出了一种基于人工智能的植物识别方法、装置、设备、存储介质以及程序产品。
[0005]第一方面,本公开实施例提出了一种植物识别模型训练方法,包括:获取样本植物的样本遥感图像和样本类别标签;基于样本遥感图像,提取样本植物的样本多模态特征;将样本多模态特征作为输入,将样本类别标签作为输出,对语义分割模型进行训练,得到植物识别模型。
[0006]第二方面,本公开实施例提出了一种植物识别方法,包括:获取待识别植物的遥感图像;基于待识别植物的遥感图像,提取待识别植物的多模态特征;将待识别植 ...
【技术保护点】
【技术特征摘要】
1.一种植物识别模型训练方法,包括:获取样本植物的样本遥感图像和样本类别标签;基于所述样本遥感图像,提取所述样本植物的样本多模态特征;将所述样本多模态特征作为输入,将所述样本类别标签作为输出,对语义分割模型进行训练,得到植物识别模型。2.根据权利要求1所述的方法,其中,所述基于所述样本遥感图像,提取所述样本植物的样本多模态特征,包括:对所述样本遥感图像划分网格;统计所述样本遥感图像的网格内的样本多模态数据,得到所述样本多模态特征。3.根据权利要求2所述的方法,其中,所述样本多模态特征包括以下至少两项:样本遥感图像特征、样本定位特征、样本搜索特征、样本兴趣点特征和样本到访特征。4.根据权利要求3所述的方法,其中,所述统计所述样本遥感图像的网格内的样本多模态数据,得到所述样本多模态特征,包括以下至少两项:基于所述样本遥感图像,提取样本遥感图像特征;统计所述样本遥感图像的网格内的样本定位点数量,以及对所述样本定位点数量进行归一化,得到样本定位特征;统计所述样本遥感图像的网格内的样本搜索查询次数,以及基于所述样本搜索查询次数,构造样本搜索特征;统计所述样本遥感图像的网格内的样本兴趣点数量,作为样本兴趣点特征;统计所述样本遥感图像的网格内的样本用户到访次数,以及基于所述样本用户到访次数,构造样本到访特征。5.根据权利要求1
‑
4中任一项所述的方法,其中,所述语义分割模型包括预先训练的融合层和未训练的分类层;以及所述将所述样本多模态特征作为输入,将所述样本类别标签作为输出,对语义分割模型进行训练,得到植物识别模型,包括:将所述样本多模态特征输入至所述融合层,得到样本融合特征;将所述样本融合特征输入至所述分类层,得到样本预测类别;基于所述样本预测类别与所述样本类别标签的差异,调整所述分类层的参数,得到所述植物识别模型。6.根据权利要求5所述的方法,其中,所述融合层包括常规融合层和自编码器;以及所述对所述样本多模态特征输入至融合层,得到样本融合特征,包括:若所述样本多模态特征不存在特征缺失,将所述多模态特征输入至常规融合层,得到所述样本融合特征;若所述样本多模态特征存在特征缺失,将所述样本多模态特征输入至缺失特征对应的自编码器,得到所述样本融合特征,其中,不同缺失特征对应不同的自编码器。7.根据权利要求6所述的方法,其中,所述自编码器通过无监督训练得到,优化目标包括减小重构误差和控制重构误差下限,在所述自编码器的训练阶段,通过添加惩罚项控制重构误差。8.一种植物识别方法,包括:
获取待识别植物的遥感图像;基于所述待识别植物的遥感图像,提取所述待识别植物的多模态特征;将所述待识别植物的多模态特征输入至植物识别模型,得到所述待识别植物的类别,其中,所述植物识别模型是采用权利要求1
‑
7中任一项所述的方法训练得到的。9.一种植物识别模型训练装置,包括:获取模块,被配置成获取样本植物的样本遥感图像和样本类别标签;提取模块,被配置成基于所述样本遥感图像,提取所述样本植物的样本多模态特征;训练模块,被配置成将所述样本多模态特征作为输入,将所述样本类别标签作为输出,对语义分割模型进行训练,得到植物识别模型。10.根据权利要求9所述的装置,其中,所述提取模块包括:划分子模块,被配置成对所述样本遥感图像划分网格...
【专利技术属性】
技术研发人员:万程,陈程,龚建,孙珂,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。