【技术实现步骤摘要】
基于人工智能的成熟期水稻和小麦的单产预估方法
[0001]本专利技术涉及农作物估产
,尤其涉及一种基于人工智能的成熟期水稻和小麦的单产预估方法。
技术介绍
[0002]在农业
,传统的单位面积产量调查主要通过调查员目视判断进行,该方法主要存在以下问题:首先,调查人员经验的差异导致对产量的判断不一致,估产结果标准不统一;其次,产量受生长过程的影响,在传统的踏田估产过程中,并未结合历史、气候等数据,使估产数据缺乏科学性;另外,预产估产工作难留痕、难追溯,对基层工作难以进行过程管理。第三次农业普查以来,遥感、人工智能等新一代的信息化技术在面积调查方面得到了广泛的应用、取得了很好的效果,也开始逐步应用于农作物估产领域,目前已经出现一些利用信息化技术进行农作物估产的方法,但是普遍存在与实际产量相比预估误差大、精度低、方法可操作性差等方面的问题,因此如何科学、有效、精确的实现对农作物的单产预估是本领域待解决的技术问题。水稻和小麦都属于大田作物,抽穗均是开始成熟的重要特征,可以用相同的方法进行单产预估。
技术实现思路
[0003]本专利技术解决现有技术统计调查效率低、精度低、预估准确性低、标准不统一、方法可操作性差的问题,提出一种基于人工智能的成熟期水稻和小麦的单产预估方法,能提高采集效率和采集精度、提高预估准确性、标准统一、可操作性强。本专利技术是通过以下技术方案实现的:本专利技术提出一种基于人工智能的成熟期水稻和小麦的单产预估方法,所述方法包括以下步骤:一种基于人工智能的成熟期水稻和小麦的单产预估方 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的成熟期水稻和小麦的单产预估方法,其特征在于,所述方法包括以下步骤:S1,预设人工智能模型搭建与训练:S11,目标农作物图像采集:所述目标农作物为成熟期水稻或小麦,选定目标农作物地块,选取目标农作物地块的目标点位,根据设定的采集标准采集大量目标农作物图像;所述设定的采集标准包括对类别信息、特征信息和拍摄信息的统一要求,所述类别信息包括水稻和小麦,所述特征信息包括目标农作物穗部的各种特征,所述拍摄信息包括拍摄的方式、拍摄数量和拍摄的范围;S12,制作标准数据集:利用采集的大量目标农作物图像使用Labelimg软件标注目标农作物的穗,所述标注是指点击鼠标左键从每株穗左上角至右下角勾画出一个矩形包围框,输入“水稻”或“小麦”表示此矩形框中对象类别,矩形包围框的坐标和类别信息均被自动记录到一个唯一对应的XML文件中,得到原始标注数据集,并对原始标注数据集进行数据增强处理生成标准数据集;S13,搭建预设人工智能模型:针对标准数据集,划定模型训练集,设置模型训练超参数,进行模型训练;所述模型训练集通过SSD算法的三个部分来提取低尺度的特征映射图、高尺度的特征映射图和预测映射图每个点的矩形框信息和类别信息;S2,需要预测单产的目标农作物图像采集:根据S1步预设人工智能模型设定的采集标准进行目标农作物图像采集,得到验证集图像;S3,目标农作物类别信息和特征信息提取:将S2采集的图像使用S1步获得的预设人工智能模型提取目标农作物类别信息和特征信息;S4,目标农作物单产预估:根据提取的目标农作物的类别信息和特征信息获得采集的目标农作物每张图像的穗数,结合图像采集时所对应的实际种植面积,进行亩穗数推算,亩穗数推算公式为:(1)式中,n为采集的目标农作物图像的张数,单位:张;N为采集的每张图像中穗的数量,单位:株;S为采集的每张图像所对应的实际种植面积大小,单位:平方米;计算目标农作物预估单产值,目标农作物预估单产值计算公式为:预估单产值=a
×
亩穗数
×
穗粒数
×
千粒重
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中,穗粒数指每穗所含粒数,千粒重是指一千粒目标农作物总重,穗粒数与千粒重根据历年经验值获得;a为调节系数,设置为0.85;S5,预估结果优化:获取目标农作物的实际单位面积产量,对比预估单产值和实际单产值并计算误差率,误差率的计算公式为:误差率=|预估单产值
‑
实测单产值|/实测单产值*100%
ꢀꢀꢀꢀ
(3)判决误差率是否在预设的误差率范围之内,若不在预设的误差率范围之内,则返回S1,调整预设人工智能模型训练过程参数,并重复执行S2至S5,直至误差率满足预设的误差率阈值范围,得到目标农作物的单产预估结果。2.根据权利要求1所述的一种基于人工智能的成熟期水稻和小麦的单产预估方法,其
特征在于,S11所述拍摄范围包括选取目标点位,具体为在每个地块根据目标农作物长势情况选取至少5个点位,所述拍摄数量为每个目标点位至少采集5张图像,所述拍摄方式为使采集设备保持水平,摄像头面朝向目标农作物冠层,保持固定统一的高度和广度进行图像采集。3.根据权利要求1所述的一种基于人工智能的成熟期水稻和小麦的单产预估方法,其特征在于,S12所述标准数据集还包括网络搜集的目标农作物穗标注数据集和历史采集图像制作的标注数据集,或对网络搜集的农作物穗的图像进行手动标注制作的更大的数据集。4.根据权利要求1所述的一种基于人工智能的成熟期水稻和小麦的单产预估方法,其特征在于,对S12标注后的原始数据集进行数据增强处理,所述数据增强处理通过几何变换、对比度变换、噪声注入等方式组合完成。5.根...
【专利技术属性】
技术研发人员:孙冠楠,郭兆璐,唐悦,张萃,董利荣,张茜蕾,
申请(专利权)人:北京茗禾科技有限公司,
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。