植株长势的检测方法、设备、装置及计算机存储介质制造方法及图纸

本公开提供植株长势的检测方法、设备、装置及计算机存储介质。用于提高植株长势的检测效率。包括：每隔指定时长，获取植株的顶端图像和植株的侧面图像；将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置；针对所述顶端图像中的任意一个植株，基于所述植株的包围盒的位置，确定所述植株的宽度；以及，利用所述侧面图像，确定所述植株的茎秆高度；以及，根据所述植株的测量距离，得到所述植株的高度，其中，所述测量距离是通过深度传感器测量得到的，且所述测量距离为所述植株顶端与所述深度传感器之间的距离；通过所述植株的宽度、所述茎秆高度和所述植株的高度，得到所述植株的长势。势。势。

【技术实现步骤摘要】
植株长势的检测方法、设备、装置及计算机存储介质


[0001]本专利技术涉及数据处理
，特别涉及一种植株长势的检测方法、设备、装置及计算机存储介质。

技术介绍

[0002]在农业的生产过程中，植株长势是检测植株生长状态的重要指标，也是预测植株产量的重要依据。所以，运用科学的方式对植株的长势进行检测对于农民来说是至关重要的。
[0003]现有技术中，植株长势的检测方法主要是人工根据自己的经验来对各植株的长势进行评估，但是此方式需要花费大量的时间，导致植株长势的检测效率较低。

技术实现思路

[0004]本公开示例性的实施方式中提供一种植株长势的检测方法、设备、装置及计算机存储介质，用于提高植株长势的检测效率。
[0005]本公开的第一方面提供一种植株长势的检测方法，所述方法包括：
[0006]每隔指定时长，获取植株的顶端图像和植株的侧面图像；
[0007]将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置；
[0008]针对所述顶端图像中的任意一个植株，基于所述植株的包围盒的位置，确定所述植株的宽度；以及，
[0009]利用所述侧面图像，确定所述植株的茎秆高度；以及，
[0010]根据所述植株的测量距离，得到所述植株的高度，其中，所述测量距离是通过深度传感器测量得到的，且所述测量距离为所述植株顶端与所述深度传感器之间的距离；
[0011]通过所述植株的宽度、所述茎秆高度和所述植株的高度，得到所述植株的长势。
[0012]本实施例中通过每隔指定时长，获取植株的顶端图像和植株的侧面图像，并将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置，然后通过各植株包围盒的位置分别确定出各植株的宽度，以及利用所述侧面图像，确定所述植株的茎秆高度，并根据所述植株的测量距离，得到所述植株的高度，以此得到植株的长势。由此，本实施例中可以自动的确定出植株的长势情况，并不需要人工来进行估计，所以，提高了植株长势的检测效率，并且相较于人工的估计，本实施例中的方式对各植株的长势检测的标准一致，并不会出现像人工检测时标准不一的情况的，所以，提高了植株长势的检测的准确率。
[0013]在一个实施例中，所述植株长势还包括植株密度；
[0014]所述将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置之后，所述方法还包括：
[0015]根据所述顶端图像中各包围盒的总数量和预设的视野面积，得到与所述顶端图像
对应的中间植株密度；
[0016]将各指定时长分别对应的各顶端图像的中间植株密度的平均值，确定为所述植株密度。
[0017]本实施例中通过各指定时长分别对应的顶端图像的中间植株密度的平均值来确定出植株密度，提高了植株密度的准确率。
[0018]在一个实施例中，所述包围盒的位置包括所述包围盒中四个顶点的图像位置坐标；
[0019]所述基于所述植株的包围盒的位置，确定所述植株的宽度，包括：
[0020]针对所述包围盒中的任意一个顶点，利用预设的深度相机标定矩阵将所述顶点的图像位置坐标进行转换，得到所述顶点在世界坐标系中的实际位置坐标；
[0021]基于所述包围盒中各顶点的实际位置坐标，得到所述包围盒的长度和宽度，其中，所述宽度的数值大于所述长度的数值；
[0022]基于所述包围盒的宽度，确定所述植株的宽度。
[0023]本实施例中通过将包围盒中各顶点的图像位置坐标转换为各顶点在世界坐标系中的实际位置坐标，并通过各顶点的实际位置坐标确定出包围盒的宽度，然后将包围盒的宽度确定为所述植株的宽度。由此，本实施例中通过包围盒顶点的实际位置坐标确定出植株的宽度，使得确定出的植株的宽度更加准确。
[0024]在一个实施例中，所述利用所述侧面图像，确定所述植株的茎秆高度，包括：
[0025]将所述侧面图像输入至预先训练好的茎秆检测模型中进行茎秆检测，得到所述植株侧面图像中各植株的茎秆的包围盒的位置，其中，所述包围盒的位置包括所述包围盒中各顶点的图像位置坐标；
[0026]利用预设的植株位置序号与茎秆位置序号的对应关系，确定与所述植株的植株位置序号相对应的目标茎秆位置序号；
[0027]通过预设的视觉相机标定矩阵将与目标所述茎秆位置序号相对应的茎秆的包围盒的各顶点的图像位置坐标进行转换，得到所述各顶点在世界坐标系中的实际位置坐标；
[0028]基于所述各顶点的实际位置坐标，得到所述植株的茎秆高度。
[0029]本实施例中通过茎秆检测模型来对侧面图像进行茎秆检测，得到茎秆的包围盒，并通过茎秆的包围盒中各顶点在世界坐标系中的实际位置坐标来确定出植株的茎秆高度，由此，提高了确定出的植株的茎秆高度的准确率。
[0030]在一个实施例中，所述植株长势还包括高度比例参数；
[0031]所述根据所述植株的测量距离，得到所述植株的高度之后，所述方法还包括：
[0032]将所述植株的茎秆高度与所述植株的高度相除，得到所述植株的高度比例参数。
[0033]在一个实施例中，通过以下方式对所述植株检测模型进行训练：
[0034]获取训练样本，其中，所述训练样本中包括植株的顶端图像，且所述顶端图像中包括各植株的包围盒的标注位置；
[0035]将所述训练样本输入至所述植株检测模型中进行植株检测，得到各植株的包围盒的预测位置；
[0036]根据所述各植株的包围盒的标注位置和所述各植株的包围盒的预测位置，得到误差值；
[0037]若所述误差值大于指定阈值，则对所述植株检测模型的指定参数进行调整后，返回将所述训练样本输入至所述植株检测模型中进行植株检测的步骤，直至所述误差值不大于所述指定阈值，则结束对所述植株检测模型的训练。
[0038]本实施例中通过训练样本来对植株检测模型进行训练，并根据得到的训练样本中各植株的包围盒的预测位置与标注位置得到模型的误差值，当误差值大于指定阈值时，则对植株检测模型的参数进行调整后继续利用训练样本对植株检测模型进行训练，直至得到的误差值不大于指定阈值，则结束模型的训练。由此，保证植株检测模型的准确率，进一步提高了植株长势检测的准确率。
[0039]本公开第二方面提供一种植株长势的检测设备，所述设备包括深度传感器、视觉传感器和处理器，其中：
[0040]所述深度传感器，用于获取植株的顶端图像以及植株的测量距离，其中，所述测量距离为植株的顶端与所述深度传感器之间的距离；
[0041]所述视觉传感器，用于获取植株的侧面图像；
[0042]所述处理器，分别与所述深度传感器和所述视觉传感器连接，用于每隔指定时长，将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置；
[0043]针对所述顶端图像中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种植株长势的检测方法，其特征在于，所述方法包括：每隔指定时长，获取植株的顶端图像和植株的侧面图像；将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置；针对所述顶端图像中的任意一个植株，基于所述植株的包围盒的位置，确定所述植株的宽度；以及，利用所述侧面图像，确定所述植株的茎秆高度；以及，根据所述植株的测量距离，得到所述植株的高度，其中，所述测量距离是通过深度传感器测量得到的，且所述测量距离为所述植株顶端与所述深度传感器之间的距离；通过所述植株的宽度、所述茎秆高度和所述植株的高度，得到所述植株的长势。2.根据权利要求1所述的方法，其特征在于，所述植株长势还包括植株密度；所述将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置之后，所述方法还包括：根据所述顶端图像中各包围盒的总数量和预设的视野面积，得到与所述顶端图像对应的中间植株密度；将各指定时长分别对应的各顶端图像的中间植株密度的平均值，确定为所述植株密度。3.根据权利要求1所述的方法，其特征在于，所述包围盒的位置包括所述包围盒中四个顶点的图像位置坐标；所述基于所述植株的包围盒的位置，确定所述植株的宽度，包括：针对所述包围盒中的任意一个顶点，利用预设的深度相机标定矩阵将所述顶点的图像位置坐标进行转换，得到所述顶点在世界坐标系中的实际位置坐标；基于所述包围盒中各顶点的实际位置坐标，得到所述包围盒的长度和宽度，其中，所述宽度的数值大于所述长度的数值；基于所述包围盒的宽度，确定所述植株的宽度。4.根据权利要求1所述的方法，其特征在于，所述利用所述侧面图像，确定所述植株的茎秆高度，包括：将所述侧面图像输入至预先训练好的茎秆检测模型中进行茎秆检测，得到所述植株侧面图像中各植株的茎秆的包围盒的位置，其中，所述包围盒的位置包括所述包围盒中各顶点的图像位置坐标；利用预设的植株位置序号与茎秆位置序号的对应关系，确定与所述植株的植株位置序号相对应的目标茎秆位置序号；通过预设的视觉相机标定矩阵将与目标所述茎秆位置序号相对应的茎秆的包围盒的各顶点的图像位置坐标进行转换，得到所述各顶点在世界坐标系中的实际位置坐标；基于所述各顶点的实际位置坐标，得到所述植株的茎秆高度。5.根据权利要求1所述的方法，其特征在于，所述植株长势还包括高度比例参数；所述根据所述植株的测量距离，得到所述植株的高度之后，所述方法还包括：将所述植株的茎秆高度与所述植株的高度相除，得到所述植株的高度比例参数。6.根据权利要求1所述的方法，其特征在于，通过以下方式对所述植株检测模型进行训
练：获取训练样本，其中，所述训练样本中包括植株的顶端图像，且所述顶端图像中包括各植株的包围盒的标注位置；将所述训练样本输入至所述植株检测模型中进行植株检测，得到各植株的包围盒的预测位置；根据所述各植株的包围盒的标注位置和所述各植株的包围盒的预测位置，得到误差值；若所述误差值大于指定阈值，则对所述植株检测模型的指定参数进行调整后，返回将所述训练样本输入至所述植株检测模型中进行植株检测的步骤，直至所述误差值不大于所述指定阈值，则结束对所述植株检测模型的训练。7.一种植株长势的检测设备，其特征在于，所述设备包括深度传感器、视觉传感器和处理器，其中：所述深度传感器，用于获取植株的顶端图像以及植株的测量距离，其中，所述测量距离为植株的顶端与所述深度传感器之间的距离；所述视觉传感器，用于获取植株的侧面图像；所述处理器，分别与所述深度传感器和所述视觉传感器连接，用于每隔指定时长，将所述顶端图像输入至预先训练好的植株检测模型中进行植株检测，得到所述顶端图像中各植株的包围盒的位置；针对所述顶端图像中的任意一个植株，基于所述植株的包围盒的位置，确定所述植株的宽度；以及，利用所述侧面图...

【专利技术属性】
技术研发人员：苏海峰，宋佳音，蔡扬，
申请(专利权)人：七海行深圳科技有限公司，
类型：发明
国别省市：