本发明专利技术提供一种秸秆类型识别方法、装置、电子设备及存储介质，涉及农业信息技术领域，该方法包括：获取待识别多光谱影像；将待识别多光谱影像输入秸秆类型识别模型，获取秸秆类型识别模型输出的秸秆类型识别结果；其中，秸秆类型识别模型是以样本影像为样本，以样本影像的秸秆类型识别结果为样本标签，进行训练后得到的；样本影像是基于原始样本影像红光波段、红边波段和近红外波段的光谱信息生成的。本发明专利技术提供的秸秆类型识别方法、装置、电子设备及存储介质，能提高秸秆类型识别的智能化水平和自动化水平，能提高秸秆类型识别的识别准确率和识别效率，能为秸秆资源的高效管理利用以及秸秆焚烧的防控等提供数据支撑。以及秸秆焚烧的防控等提供数据支撑。以及秸秆焚烧的防控等提供数据支撑。
【技术实现步骤摘要】
秸秆类型识别方法、装置、电子设备及存储介质
[0001]本专利技术涉及农业信息
，尤其涉及一种秸秆类型识别方法、装置、电子设备及存储介质。
技术介绍
[0002]秸秆是成熟农作物茎叶（穗）部分的总称，通常指小麦、水稻、玉米、薯类、油菜、棉花、甘蔗和其它农作物（通常为粗粮）在收获籽实后的剩余部分。
[0003]通常情况下，不同类型的秸秆后期的利用方式亦不同。准确、高效地识别秸秆类型，不仅可以帮助农业部门以及秸秆收储加工企业等实现秸秆收储路径规划和秸秆资源高效利用，还可以为环保部门等进行焚烧防控提供数据支撑。因此，秸秆类型快速识别具有较大的市场需求和应用价值。
[0004]现有技术中，可以依靠技术人员的野外调查，对秸秆类型进行识别。但是，人工识别秸秆类型的信息化程度较低，导致所需投入的人工成本和时间成本较高，识别效率极低。
[0005]随着空天遥感技术的发展，卫星遥感、无人机遥感以及雷达遥感技术已被应用于秸秆覆盖度识别、秸秆资源量估计等方面的工作。但是，受秋冬季秸秆类型复杂、单元较小以及分布零散等因素的影像，基于常规的空天遥感技术难以对秸秆类型进行准确识别。
[0006]深度学习等智能学习算法的迅猛发展为秸秆遥感监测提供了全新的方法。但是，现有技术中基于决策树的监督分类方法以及面向对象分类算法对秸秆类型的识别准确率和识别效率不高。
[0007]因此，如何更准确、更高效地识别秸秆类型，是本领域亟待解决的技术问题。
技术实现思路
[0008]本专利技术提供一种秸秆类型识别方法、装置、电子设备及存储介质，用以解决现有技术中难以准确、高效地识别秸秆类型的缺陷，实现更准确、更高效地识别秸秆类型。
[0009]本专利技术提供一种秸秆类型识别方法，包括：获取待识别多光谱影像；将所述待识别多光谱影像输入秸秆类型识别模型，获取所述秸秆类型识别模型输出的秸秆类型识别结果；其中，所述秸秆类型识别模型是以样本影像为样本，以所述样本影像的秸秆类型识别结果为样本标签，进行训练后得到的；所述样本影像是基于原始样本影像红光波段、红边波段和近红外波段的光谱信息生成的；所述原始样本影像中包含秸秆。
[0010]根据本专利技术提供的一种秸秆类型识别方法，所述秸秆类型识别模型基于如下步骤训练得到：获取原始样本影像；基于所述原始样本影像红边波段的光谱信息，生成所述原始样本影像对应的红边影像，基于所述原始样本影像近红外波段的光谱信息，生成所述原始样本影像对应的红外
影像，基于所述原始样本影像红光波段和近红外波段的光谱信息，生成所述原始样本影像对应的叠积近红秸秆指数影像；融合所述红边影像、所述红外影像和所述叠积近红秸秆指数影像，获得融合影像；基于所述融合影像，获取所述样本影像和所述样本影像的秸秆类型识别结果；以所述样本影像为样本，以所述样本影像的秸秆类型识别结果为样本标签，对初始模型进行训练，获得所述秸秆类型识别模型。
[0011]根据本专利技术提供的一种秸秆类型识别方法，所述基于所述融合影像，获取所述样本影像和所述样本影像的秸秆类型识别结果，包括：在所述融合影像中确定每一秸秆类型对应的区域；将所述融合影像裁剪为多个融合子影像；基于每一所述区域，确定每一所述融合子影像对应的秸秆类型；将仅对应一种秸秆类型的融合子影像确定为所述样本影像，并将所述样本影像对应的秸秆类型确定为所述样本影像的秸秆类型识别结果。
[0012]根据本专利技术提供的一种秸秆类型识别方法，所述获取原始样本影像，包括：利用无人机获取样本区域的多光谱影像；对所述多光谱影像进行图像处理，获得所述原始样本影像；其中，所述图像处理包括异常影像剔除、影像拼接、波段组合以及影像裁剪中的至少一种；所述波段组合包括单波段分离和各单波段组合。
[0013]根据本专利技术提供的一种秸秆类型识别方法，所述初始模型是基于ResNet
‑
50深度学习分类算法构建的。
[0014]根据本专利技术提供的一种秸秆类型识别方法，所述将所述待识别多光谱影像输入秸秆类型识别模型，获取所述秸秆类型识别模型输出的秸秆类型识别结果，包括：将所述待识别多光谱影像输入所述秸秆类型识别模型，由所述秸秆类型识别模型对待识别多光谱影像进行秸秆类型识别，并基于每一秸秆类型对应的颜色以及所述待识别多光谱影像中每一像元对应的秸秆类型，为每一所述像元标注颜色，获得秸秆类型分布图作为所述秸秆类型识别结果。
[0015]根据本专利技术提供的一种秸秆类型识别方法，所述获取所述秸秆类型识别模型输出的秸秆类型识别结果之后，所述方法还包括：编辑所述秸秆类型分布图，在所述秸秆类型分布图中添加标识信息，获得秸秆类型分布遥感监测专题图；其中，所述标识信息包括图名、图例、指北针、比例尺以及导出参数中的至少一种。
[0016]本专利技术还提供一种秸秆类型识别装置，包括：影像获取模块，用于获取待识别多光谱影像；类型识别模块，用于将所述待识别多光谱影像输入秸秆类型识别模型，获取所述秸秆类型识别模型输出的秸秆类型识别结果；其中，所述秸秆类型识别模型是以样本影像为样本，以所述样本影像的秸秆类型识别结果为样本标签，进行训练后得到的；所述样本影像是基于原始样本影像红光波段、红边波段和近红外波段的光谱信息生成的；所述原始样本影像中包含秸秆。
[0017]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秸秆类型识别方法。
[0018]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秸秆类型识别方法。
[0019]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述秸秆类型识别方法。
[0020]本专利技术提供的秸秆类型识别方法、装置、电子设备及存储介质，通过基于样本影像和样本影像的秸秆类型识别结果训练得到秸秆类型识别模型之后，将待识别多光谱影像输入秸秆类型识别模型，获取待识别多光谱影像的秸秆类型识别结果，样本影像是基于原始样本影像中对不同秸秆类型敏感的红光波段、红边波段和近红外波段的光谱信息生成的，能提高秸秆类型识别的智能化水平和自动化水平，能提高秸秆类型识别的识别准确率和识别效率，能为秸秆资源的高效管理利用以及秸秆焚烧的防控等提供数据支撑。
附图说明
[0021]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。
[0022]图1是本专利技术提供的秸秆类型识别方法的流程示意图之一；图2是ResNet
‑
50深度学习分类算法的原理示意图；图3是本专利技术提供的秸秆类型识别方法的流程示意图之二；图4是本专利技术提供的秸秆类型识别装置的结构示意图；图5是本专利技术提供的电子设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种秸秆类型识别方法，其特征在于，包括：获取待识别多光谱影像；将所述待识别多光谱影像输入秸秆类型识别模型，获取所述秸秆类型识别模型输出的秸秆类型识别结果；其中，所述秸秆类型识别模型是以样本影像为样本，以所述样本影像的秸秆类型识别结果为样本标签，进行训练后得到的；所述样本影像是基于原始样本影像红光波段、红边波段和近红外波段的光谱信息生成的；所述原始样本影像中包含秸秆。2.根据权利要求1所述的秸秆类型识别方法，其特征在于，所述秸秆类型识别模型基于如下步骤训练得到：获取原始样本影像；基于所述原始样本影像红边波段的光谱信息，生成所述原始样本影像对应的红边影像，基于所述原始样本影像近红外波段的光谱信息，生成所述原始样本影像对应的红外影像，基于所述原始样本影像红光波段和近红外波段的光谱信息，生成所述原始样本影像对应的叠积近红秸秆指数影像；融合所述红边影像、所述红外影像和所述叠积近红秸秆指数影像，获得融合影像；基于所述融合影像，获取所述样本影像和所述样本影像的秸秆类型识别结果；以所述样本影像为样本，以所述样本影像的秸秆类型识别结果为样本标签，对初始模型进行训练，获得所述秸秆类型识别模型。3.根据权利要求2所述的秸秆类型识别方法，其特征在于，所述基于所述融合影像，获取所述样本影像和所述样本影像的秸秆类型识别结果，包括：在所述融合影像中确定每一秸秆类型对应的区域；将所述融合影像裁剪为多个融合子影像；基于每一所述区域，确定每一所述融合子影像对应的秸秆类型；将仅对应一种秸秆类型的融合子影像确定为所述样本影像，并将所述样本影像对应的秸秆类型确定为所述样本影像的秸秆类型识别结果。4.根据权利要求2所述的秸秆类型识别方法，其特征在于，所述获取原始样本影像，包括：利用无人机获取样本区域的多光谱影像；对所述多光谱影像进行图像处理，获得所述原始样本影像；其中，所述图像处理包括异常影像剔除、影像拼接、波段组合以及影像裁剪中的至少一种；所述波段组...
【专利技术属性】
技术研发人员：周静平，顾晓鹤，潘瑜春，
申请(专利权)人：北京市农林科学院信息技术研究中心，
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。