水稻识别模型的构建方法及其水稻识别和制图方法技术

技术编号:37876877 阅读:31 留言:0更新日期:2023-06-15 21:05
本发明专利技术公开了一种水稻识别模型的构建方法及其水稻识别和制图方法,该用于水稻识别的水稻识别模型的构建方法包括水稻识别模型的构建和模型训练,还包括基于时序掩码的预训练,所述基于时序掩码的预训练包括,对输入的影像序列通过时序掩码模块随机去除部分影像序列,利用编码器进行掩码恢复,提取时空特征,将掩码恢复后的影像序列通过解码器解码,重建完整影像序列。该基于时序掩码的水稻识别方法及水稻制图方法解决了在云雾较多的南方地区,如何精准识别水稻,得到质量较高的水稻制图产品;还能充分挖掘水稻识别中水稻的时间和空间特征,提高水稻制图精度。提高水稻制图精度。提高水稻制图精度。

【技术实现步骤摘要】
水稻识别模型的构建方法及其水稻识别和制图方法


[0001]本专利技术属于农业遥感
,具体涉及一种水稻识别模型的构建方法及其水稻识别和制图方法。

技术介绍

[0002]水稻制图技术一直是农业遥感领域的热门问题。由于能够稳定、快速地获取目标区域的影像,帮助从业人员和有关部门掌握地表情况,遥感技术被广泛应用于水稻制图工作。水稻作为一种在我国大量种植的农作物,在不同的生长期表现出不同的特征,利用多时序遥感影像进行水稻制图是当前的主流方法。
[0003]当前,水稻制图的基本流程如下:首先,根据水稻的生长周期获取在此区间内的遥感影像,组成遥感影像序列;其次,对遥感影像进行去云操作,去除被云层覆盖的像素,防止水稻的光谱特征被云层污染;然后,对遥感影像序列提取特征,如归一化植被指数(NDVI,Normalized Vegetation Index)、比值植被指数(RVI,Ratio Vegetation Index)、差值植被指数(DVI,Difference Vegetation Index)、调整土壤亮度植被指数(SAVI,Soil
本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种用于水稻识别的水稻识别模型的构建方法,其特征在于,包括:A.构建包括编码器、时序掩码模块、掩码恢复模块和解码器的预训练模型;B.对预训练模型进行预训练,使编码器学习到基于残缺时间序列提取完整时间序列时空特征的能力;C.构建包括编码器和解码器的水稻识别模型,且该编码器使用所述预训练模型中经训练的编码器;D.固定编码器参数对水稻识别模型进行正式训练,使其解码器学习到基于编码器输出的时空特征识别水稻的能力。2.根据权利要求1所述的用于水稻识别的水稻识别模型的构建方法,其特征在于,预训练过程如下:B1.由时序掩码模块对输入的影像序列随机去除部分影像序列,记录掩码位置的索引值;B2.由编码器基于掩码后的影像序列提取时空特征;B3.由掩码恢复模块和解码器基于掩码位置的索引值和编码器输出的时空特征恢复影像序列;B4.使用预训练损失函数比较恢复的影像序列和输入的影像序列,更新模型参数;通过上述预训练过程训练编码器基于残缺时间序列提取完整时间序列时空特征的能力。3.根据权利要求2所述的用于水稻识别的水稻识别模型的构建方法,其特征在于,B3具体包括:B31.由掩码恢复模块根据掩码索引将编码器输出的时空特征恢复至输入影像序列中的位置;B32.将掩码恢复后的时空特征输入至解码器解码以恢复影像序列。4.根据权利要求3所述的用于水稻识别的水稻识别模型的构建方法,其特征在于,所述用于预训练的预训练损失函数为欧式距离,其中Zi为输入影像序列,f(xi)为重建影像序列。5.根据权利要求1所述的用于水稻识别的水稻识别模型的构建方法,其特征在于,所述水稻识别模型正式训练的步骤如下:D1.将影像序列输入编码器提取时空特征;D2.将编码器提取到的时空特征输出给解码器进行解码,D3.解码器输出水稻识别结果;D4.基于正式训练损失函数将水稻识别结果与真值进行比较,更新解码器参数。6...

【专利技术属性】
技术研发人员:王辉唐攀攀万昊明卞小林赵博罗小燕白石张磊廖佳纯刘昊
申请(专利权)人:中科卫星应用德清研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1