自适应导航线方向预测方法、装置、存储介质及农机制造方法及图纸

本发明专利技术公开了一种自适应导航线方向预测方法、装置、存储介质及农机，方法包括：将传统图像处理方法的超绿算法与深度学习方法相结合，利用图像分割检测模型分割出作物行图像中的作物行；对分割后的作物行图像进行二值化和开操作处理，通过自适应中心判断点算法确定作物行导航线的中心点集；对作物行导航线的中心点集进行随机采样算法拟合，获得导航线方向预测曲线。本发明专利技术在数据量有限的情况下增加检测模型的鲁棒性以及模型的检测精度；本发明专利技术完全舍弃了传统检测算法透视变换以及感兴趣区域ROI的设立，提升导航线预测的精准度，使得预测方式更加标准化、自动化，减少人为误差的干扰。减少人为误差的干扰。减少人为误差的干扰。

【技术实现步骤摘要】
自适应导航线方向预测方法、装置、存储介质及农机


[0001]本专利技术涉及环境感知
，尤其涉及一种自适应导航线方向预测方法、装置、存储介质及农机。

技术介绍

[0002]随着科学技术的不断突破，农业生产向着智能化和精准化的方向发展。农业精准智能化可以使作业成本大幅减少，作业效率提高，而作为精准农业的一个重要分支，农业机械的自动导航在作物播种、喷药、施肥以及收割作业等众多方面有着十分广泛的应用，其中利用机器视觉以及深度学习技术来实现农业机械自动导航在近年来逐渐成为导航技术发展的趋势之一，而导航线方向的预测是实现自动导航技术的基础。导航线方向预测的核心是作物行的检测。目前通过视觉方式进行作物行检测一般分为传统图像处理以及深度学习两种方式。
[0003]传统图像处理一般通过对作物行的颜色、纹理以及三维等特征进行检测，检测效果良好。由于传统图像处理方式是通过作物行的外观特征对作物行进行检测，需要根据特定的作业环境进行合适的阈值调整来实现较好的检测效果，而实际的农田环境复杂，作物行受所处拍摄位置、光照、状态、天气等多因素影响，不同场景下的同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应导航线方向预测方法，其特征在于，包括：利用图像分割检测模型对作物行图像进行图像分割，分割出所述作物行图像中的作物行；对分割后的所述作物行图像进行二值化和开操作处理，通过自适应中心判断点算法确定作物行导航线的中心点集；对所述作物行导航线的中心点集进行随机采样算法拟合，获得导航线方向预测曲线；其中，所述图像分割检测模型训练过程如下：获取原始作物行图像，对所述原始作物行图像进行作物行的标注，得到图像分割检测模型所需的训练数据集；通过超绿算法将所述训练数据集中的原始作物行图像处理为只包括作物行的单通道图像；将所述单通道图像与所述原始作物行图像进行张量拼接，形成四通道图像；利用所述四通道图像对深度学习检测网络进行训练并达到预设检测精度，获得所述图像分割检测模型。2.根据权利要求1所述的方法，其特征在于，所述通过超绿算法将所述训练数据集中的原始作物行图像处理为只包括作物行的单通道图像，包括：将所述训练数据集中的原始作物行图像的RGB图像中G通道扩充一倍，再分别减去R通道和B通道，得到单通道的只包含原始作物行图像中绿色特征的矩阵。3.根据权利要求1所述的方法，其特征在于，所述利用所述四通道图像对深度学习检测网络进行训练并达到预设检测精度，包括：将所述四通道图像送至深度学习检测网络中，提取图像的高维特征，获得高维特征图；将所述高维特征图进行分割，对作物行进行检测以及作物行区域进行标注，将检测结果呈现在原始作物行图像上；对所述深度学习检测网络进行多次模型训练直至达到预设检测精度。4.根据权利要求1至3任一项所述的方法，其特征在于，所述通过自适应中心判断点算法确定作物行导航线的中心点集，包括：将二分之一所述作物行图像宽且沿所述作物行图像高递减方向上间隔预设像素点的点记为初始中心判断点；沿所述作物行图像高递减方向遍历所有初始中心判断点，且每间隔预设初始中心判断点进行一次中心判断点校正；遍历当前中心判断点时，确定当前图像高度下最靠近所述当前中心判断点的左侧作物行的中心点和右侧作物行的中心点；其中，所述当前中心判断点为初始中心判断点或校正后的中心判断点；基于所述左侧作物行中心点和右侧作物行中心点确定当前图像高度下的导航线的中心点；基于所述作物行图像高递减方向上的所有导航线的中心点确定所述作物行导航线的中心点集。5.根据权利要求4所述的方法，其特征在于，所述每间隔预...

【专利技术属性】
技术研发人员：刘跃华，李邦国，王辉，任志伟，徐乐程，宋杨，
申请(专利权)人：潍柴雷沃智慧农业科技股份有限公司，
类型：发明
国别省市：