【技术实现步骤摘要】
用于金融贷款的农作物区域面积统计方法及相关设备
[0001]本申请涉及图像处理
,尤其涉及一种用于金融贷款的农作物区域面积统计方法及相关设备。
技术介绍
[0002]在农业领域,因受农作物产量受天气影响大,难以实时估值,因而在助农贷款时,给银行等金融机构带来较大的风险,导致其放贷意愿度不高,因而,需要一种能及时方便的检测农作物状态的方法来消除银行的风险顾虑的方法,以更好的金融助农。
[0003]农业领域的遥感数据有着独特的特性,利用遥感数据可以很好的实现农作物产量估计、用于金融贷款的农作物区域面积统计、农作物健康监测等一系列事项。遥感数据+AI可以极大为农业赋能,助力农业发展更上一个台阶。
[0004]现有的一些基于遥感数据计算农作物区域面积的方法,往往都是通过构造一个实例分割网络模型,利用分割网络可以实现分割农作物各种不规则区域的思想,将不同农作物区域像素点分割出来进而实现农作物区域面积的统计。
[0005]目前来说,由于农作物区域因种类的不一致,其数据不平衡现象很严重,此外,这种方法非常依赖模型和标注数据,而且此类方法只是提供了一种通用的范式,并为仔细分析农作物遥感数据的特点,所以该类方法往往分割出来农作物区域效果一般。
[0006]因此,亟需本领域技术人员提供一种基于农业遥感数据的用于金融贷款的农作物区域面积统计方法以降低数据的不平衡性,提升面积统计的准确率,从而为金融助农提供更加准确的参考数据。
技术实现思路
[0007]本申请提供了一种用于金融贷款的农作 ...
【技术保护点】
【技术特征摘要】
1.一种用于金融贷款的农作物区域面积统计方法,其特征在于,包括:S1、获取第一农业遥感图像;S2、按照第一预设尺寸将所述第一农业遥感图像分割为若干个第一农业遥感子图像;S3、统计所述第一农业遥感子图像中各农作物样本的数量,并对所述第一农业遥感子图像进行重采样,得到训练样本;S4、将所述训练样本输入至至少两个分割网络模型中进行训练,得到至少两个农作物分割网络模型;S5、基于用户发送的贷款申请获取第二农业遥感图像,所述第二农业遥感图像为待统计的农业遥感图像;S6、按照所述第一预设尺寸将所述第二农业遥感图像分割为若干个第二农业遥感子图像;S7、分别采用所述至少两个农作物分割网络模型对若干个所述第二农业遥感子图像进行推理并叠加TTA,得到所述至少两个农作物分割网络模型的若干个第一输出结果;S8、将所述至少两个农作物分割网络模型的若干个第一输出结果进行融合,得到若干个第二输出结果;S9、将所述若干个第二输出结果合并,并进行膨胀腐蚀处理,得到最终输出结果;S10、根据所述最终输出结果计算得到实际农作物区域面积;S11、根据所述实际农作物区域面积以及所述最终数据结果中各农作物的种类,计算得到所述用户的贷款额度。2.根据权利要求1所述的用于金融贷款的农作物区域面积统计方法,其特征在于,所述步骤S2具体包括:以所述第一农业遥感图像的左上角为起点,按照第一预设尺寸将所述第一农业遥感图像进行分割,若所述第一农业遥感图像的边缘不足所述第一预设尺寸,则以黑色图像进行填充,得到若干个第一农业遥感子图像。3.根据权利要求1所述的用于金融贷款的农作物区域面积统计方法,其特征在于,所述步骤S3具体包括:统计所述第一农业遥感子图像中各农作物样本的数量;分别采用2X的Mosaic数据增强+2X的下采样以及3X的Mosaic数据增强+3X的下采样方法对所述第一农业遥感子图像进行重采样,分别得到1.15n训练样本以及1.05n训练样本,其中n为所述第一农业遥感子图像的数量。4.根据权利要求3所述的用于金融贷款的农作物区域面积统计方法,其特征在于,所述步骤S4具体包括:将1.2n训练样本分别输入至Segformer B3分割网络模型以及Segformer B5分割网络模型中进行训练,采用AdamW优化器,并按照计算各农作物样本的类别对应的loss权重,分别得到SegformerB3农作物分割网络模型以及SegformerB5农作物分割网络模型;其中m表示需要分割农作物的类别,e为自然底数,Si表示为包含第i类农作物的第一农业遥感子图像的图像数量占第一农业遥感子图像的总图片数量的比重。
5.根据权利要求4所述的用于金融贷款的农作物区域面积统计方法,其特征在于,所述步骤S6具体包括:以所述第二农业遥感图像的左上角为起点,按照所述第一预设尺寸的整数倍将所述第二农业遥感图像进行一次填充;将填充后的所述第二农业遥感图像的外围二次填充第二预设尺寸的边框;以填充后的所述第二农业遥感图像的左上角为起点,按照所述第一预设尺寸的切割框以及所述第二预设尺寸的步长对填充后...
【专利技术属性】
技术研发人员:周军,
申请(专利权)人:平安银行股份有限公司,
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。