一种利用高光谱技术的烟田面积及种植密度测算方法技术

本发明专利技术公开了一种利用高光谱技术的烟田面积及种植密度测算方法，包括如下步骤：S1：获取烟草遥感图像；S2：将烟草遥感图像输入测算模型；S3：测算模型采用聚类的SLIC算法，对烟草遥感图像进行特征选取和阈值选取，得到单株烟草的分割提取图，并实现烟田面积和种植密度的测算。本发明专利技术对遥感光学图像，使用聚类的SLIC算法，经过特征选取和阈值选取，得到单株烟草的分割提取图，进而实现烟田面积及种植密度的测算，可有效提高大范围烟田面积测算的效率。可有效提高大范围烟田面积测算的效率。可有效提高大范围烟田面积测算的效率。

【技术实现步骤摘要】
一种利用高光谱技术的烟田面积及种植密度测算方法


[0001]本专利技术涉及烟草识别
，尤其涉及一种利用高光谱技术的烟田面积及种植密度测算方法。

技术介绍

[0002]现有对烟田面积及种植密度测算常用的方法主要采用人工测绘及实地种植烟草株距信息实现烟草密度测算。使用人工测绘得出烟田种植面积，根据种植情况统计种植区域烟草株数，根据测绘得出的面积及株数得出烟田种植密度，存在种植株距不均等等情况，整体测算存在一定偏差，密度测算相对耗时较长，对大范围烟田面积测算需耗费较大人力物力实现，误差相对较大。

技术实现思路

[0003]本专利技术的目的是提供一种利用高光谱技术的烟田面积及种植密度测算方法，以解决如何提高大范围烟田面积测算效率的技术问题。
[0004]本专利技术是采用以下技术方案实现的：一种利用高光谱技术的烟田面积及种植密度测算方法，包括如下步骤：
[0005]S1：获取烟草遥感图像；
[0006]S2：将烟草遥感图像输入测算模型；
[0007]S3：测算模型采用聚类的SLIC算法，对烟草遥感图像进行特征选取和阈值选取，得到单株烟草的分割提取图，并实现烟田面积和种植密度的测算。
[0008]进一步的，步骤S1具体为：通过无人机获取待识别区域的遥感光学图像数据，所述遥感光学图像数据空间分辨率小于等于1.37cm，且包含有RGB三波段。
[0009]进一步的，所述测算模块包括检测模型和分割模型，通过检测模型和分割模型分别输出检测结果和分割结果，并根据检测结果和分割结果计算需求数据。
[0010]进一步的，所述需求数据包括烟田当中烟草的品种类型、种植密度、种植行距、种植株距和种植面积。
[0011]进一步的，所述检测模型采用DA
‑
Yolov5xp检测模型，通过DA
‑
Yolov5xp检测模型输出烟草遥感图像的检测结果，所述检测结果包括行空间坐标、株数、株空间坐标和外轮廓。
[0012]进一步的，所述分割模型采用SLIC分割模型，通过SLIC分割模型输出烟草遥感图像的分割结果，所述分割结果包括株数和外轮廓。
[0013]进一步的，烟草的品种类型计算方法如下：
[0014]其中，p
ij
表示第i株烟草为第j类的概率；
[0015]烟草的种植行距计算方法如下：
[0016][0017]烟草的种植株距计算方法如下：
[0018]其中，w
i
表示第i行的宽度；
[0019]烟草的种植面积计算方法如下：
[0020]S＝λ1×
S
外轮廓
+λ2×
n
株数
×
d
行
×
d
株
；
[0021]烟草的种植密度计算方法如下：
[0022]ρ
种植密度
＝n
株数
/S；其中，n
株数
为烟草总株数：n
株数
＝λ1×
n
检测
+λ2×
n
分割
，λ1，λ2为权重参数。
[0023]进一步的，所述测算模型的测算结果包括记录烟草空间位置和品种类型信息的文本文档，以及带有检测框的烟草分割小图。
[0024]进一步的，采用边缘召回率对SLIC分割模型进行评价。
[0025]本专利技术的有益效果在于：本专利技术使用无人机遥感光学图像，并采用聚类的SLIC算法，经过特征选取和阈值选取，得到单株烟草的分割提取图，进而实现烟田面积及种植密度的测算，可有效提高大范围烟田面积测算的效率。
附图说明
[0026]为了更清楚地说明本专利技术实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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示出的结构获得其他的附图。
[0027]图1为本专利技术原理图；
[0028]图2为DA
‑
Yolov5xp模型结构示意图。
具体实施方式
[0029]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0030]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0031]下面结合附图，对本专利技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0032]实施例1
[0033]参见图1，一种利用高光谱技术的烟田面积及种植密度测算方法，包括如下步骤：
[0034]S1：获取烟草遥感图像；
[0035]S2：将烟草遥感图像输入测算模型；
[0036]S3：测算模型采用聚类的SLIC算法，对烟草遥感图像进行特征选取和阈值选取，得到单株烟草的分割提取图，并实现烟田面积和种植密度的测算。
[0037]在本实施例当中，通过无人机获取待识别区域的遥感光学图像数据，所述遥感光
学图像数据空间分辨率小于等于1.37cm，且包含有RGB三波段。
[0038]在本实施例当中，所述测算模型初始化一定数量的种子点并采用k
‑
means算法进行聚类，输入待测算面积的无人机遥感光学图像，生成烟草的分割提取图，包括检测模型和分割模型，通过检测模型和分割模型分别输出检测结果和分割结果，并根据检测结果和分割结果计算需求数据，所述需求数据包括烟田当中烟草的品种类型、种植密度、种植行距、种植株距和种植面积。
[0039]参见图2，所述检测模型采用DA
‑
Yolov5xp检测模型，通过DA
‑
Yolov5xp检测模型输出烟草遥感图像的检测结果，所述检测结果包括行空间坐标、株数、株空间坐标和外轮廓。DA
‑
Yolov5xp模型可实现端到端的识别，只需要送入待检测的光学正射图像，即可生成烟草检测与识别结果，所述DA
‑
Yolov5xp模型包括主干网络层、双重自注意力机制层、head层和detect层。
[0040]将待识别的光学正射图像送入网络模型后，先经过主干网络进行特征提取生成特征图，然后经双重自注意力机制(通道注意力和空间注意力)进一步提取全局信息，随后在head部分实现特征图的复原，最后由detect头生成检测框，并统计与分析后生成烟草识别类型信息。主干网络的主体结构是D
‑
DenseUnit，D
‑
DenseUni本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用高光谱技术的烟田面积及种植密度测算方法，其特征在于，包括如下步骤：S1：获取烟草遥感图像；S2：将烟草遥感图像输入测算模型；S3：测算模型采用聚类的SLIC算法，对烟草遥感图像进行特征选取和阈值选取，得到单株烟草的分割提取图，并实现烟田面积和种植密度的测算。2.如权利要求1所述的一种利用高光谱技术的烟田面积及种植密度测算方法，其特征在于，步骤S1具体为：通过无人机获取待识别区域的遥感光学图像数据，所述遥感光学图像数据空间分辨率小于等于1.37cm，且包含有RGB三波段。3.如权利要求1所述的一种利用高光谱技术的烟田面积及种植密度测算方法，其特征在于，所述测算模块包括检测模型和分割模型，通过检测模型和分割模型分别输出检测结果和分割结果，并根据检测结果和分割结果计算需求数据。4.如权利要求3所述的一种利用高光谱技术的烟田面积及种植密度测算方法，其特征在于，所述需求数据包括烟田当中烟草的品种类型、种植密度、种植行距、种植株距和种植面积。5.如权利要求4所述的一种利用高光谱技术的烟田面积及种植密度测算方法，其特征在于，所述检测模型采用DA
‑
Yolov5xp检测模型，通过DA
‑
Yolov5xp检测模型输出烟草遥感图像的检测结果，所述检测结果包括行空间坐标、株数、株空间坐标和外轮廓。6.如权利要求5所述的一种利用高光谱技术的烟田面积及种植密度测算方法，其特征在于，所述分割模型采用SLIC分割...

【专利技术属性】
技术研发人员：张宗锦，熊维亮，毛敏，杨军伟，潘兴兵，杨章明，李斌，谢云波，曹新彬，刘永建，鲁黎明，罗旭，简思春，康杭辉，
申请(专利权)人：中国烟草总公司四川省公司成都淞幸科技有限责任公司，
类型：发明
国别省市：