用于基于图像的农作物识别的系统和方法技术方案

公开了一种用于基于图像的农作物识别的系统和方法

【技术实现步骤摘要】
【国外来华专利技术】用于基于图像的农作物识别的系统和方法
[0001]相关申请的交叉引用
[0002]本申请要求于
2021
年6月2日提交的美国专利申请第
17/337,410
号的优先权，其全部内容通过引用并入本文
。


[0003]本公开涉及用于识别航拍数据中的物体的基于图像的识别系统和方法，更具体地，涉及用于识别航拍数据中的农作物类型的基于图像的农作物识别系统和方法
。

技术介绍

[0004]从事规划
、
制定政策和制定与城市分区
、
景观美化
、
农业管理或土地使用相关的各种项目的人员通常会借助广袤大地的表现物，诸如示出所选土地相关特征的航拍图像
。
例如，精确农业管理作为一种通过各种决策支持系统
(DSS)
管理农产品的新途径而出现
。
精确农业管理可以使用捕获的农田或其他大型农业区域的图像来处理其中包含的信息
。
然而，获得和分析此类图像通常是昂贵的
、
复杂的，并且受到各种限制
。
[0005]例如，传统的分析需要将大量的人类标记用于农业管理，并且因此由于不同区域之间的差异而不适于大范围特征识别
。
此外，识别每个单独图像中的特征也是一项困难的任务，这加大了建立可重复使用的
DSS
的难度并且需要明显更多的人力
。
[0006]本公开的实施例通过提供一种智能采样方法来解决上述问题，该智能采样方法使用航拍数据来识别其中的农作物，该方法具有增强的训练速度并提供快速更新的灵活性的农业管理模型
。

技术实现思路

[0007]本文公开了基于图像的农作物识别系统和用于识别航拍图像中农作物类型的方法的实施例
。
[0008]一方面，公开了一种基于图像的农作物识别系统
。
基于图像的农作物识别系统包括数据库
、
通信模块和模型库
。
数据库存储样本航拍数据和标注的航拍数据
。
该通信模块耦合到该数据库，并且被配置为向用户提供该样本航拍数据，并且从该用户接收该标注的航拍数据
。
模型库被耦合到数据库，并且被配置为获得标注的航拍数据，基于该标注的航拍数据训练农作物分类模型，并且提供经训练的农作物分类模型用于后续的农作物识别
。
标注的航拍数据包括对出现在样本航拍数据中的农作物的类型的确定
。
[0009]在另一方面，公开了一种用于在航拍数据中识别农作物类型的方法
。
获取该样本航拍数据
。
样本航拍数据存储在数据库中
。
根据排序规则提供用于标注的样本航拍数据
。
确定出现在样本航拍数据中的农作物的类型以获得标注的航拍数据
。
将该标注的航拍数据返回到该数据库
。
至少基于该标注的航拍数据来训练农作物分类模型
。
将该经训练的农作物分类模型应用于后续的农作物识别
。
[0010]应当理解，前面的一般性描述和下面的详细描述都仅仅是示例性和解释性的，并
不限制所要求保护的本专利技术
。
附图说明
[0011]并入本文并形成说明书的一部分的附图图示了本公开的实现，并与说明书一起进一步用于解释本公开并使相关领域的技术人员能够制造和使用本公开
。
[0012]图1图示了根据本公开的实施例的示例性航拍图像
。
[0013]图2图示了根据本公开的实施例的示例性的基于图像的农作物识别系统
。
[0014]图3图示了根据本公开的实施例的样本图像的示例性土地区域标注
。
[0015]图4图示了根据本公开的实施例的在不同时间获得的一系列示例性样本图像
。
[0016]图5图示了根据本公开的实施例的示例性用户界面
。
[0017]图6是根据本公开的实施例的用于识别航拍图像或航拍数据中的农作物或物体的类型的示例性方法的流程图
。
[0018]将参考附图描述本公开的实现
。
具体实施方式
[0019]现在将详细参考示例性实施例，在附图中图示其示例
。
在可能的情况下，在所有附图中使用相同的附图标记来表示相同或相似的部件
。
[0020]从事规划
、
制定政策和制定与土地使用的各种应用有关的各种项目的那些人通常会借助广袤大地的表现物，诸如示出所选土地相关特征的航拍数据，例如城市分区
、
森林分布或农业管理
。
由航拍数据传达的信息的类型包括地理特征，诸如地界
、
农作物
、
林业
、
物体，以及人工特征，诸如高速公路
、
桥梁和建筑物
。
航拍数据可以是从有人驾驶或无人驾驶的飞行器
(
例如，
UAV、
飞行器
、
热气球等
)
捕获的航拍图像，或者来自卫星的数据，包括航拍图像
、
卫星数据
、
卫星图像
、
近红外数据或无线电波数据
。
例如，卫星和飞机勘测可以生成许多摄影图像，这些摄影图像提供了以其他方式不容易获得的细节
。
此类航拍图像还可以以与在地面上拍摄的图像不相平行的比例从上方图示地面情况
。
航拍图像和相关数据被发送到地面站或中央处理站
、
被修改以适合终端用户的需要，并且处理结果可以被再次利用
。
[0021]近年来，对农作物识别和农作物生长检测的需求已成为农业管理的重要课题
。
利用航拍图像具有诸如快速反馈周期
、
宽覆盖范围
、
低获取成本等优点
。
此外，机器学习或神经网络系统也可用于农作物识别和农作物生长检测
。
因此，本公开使用农业管理和农作物识别作为示例来解释详细操作
。
应当理解，农作物识别系统和方法的应用仅仅是为了说明的目的，而不是以任何方式限制应用
。
此外，本公开中的航拍数据可以包括航拍图像
、
卫星数据
、
卫星图像
、
近红外数据
、
无线电波数据或其他合适的图像或数据
。
使用航拍图像的示例仅用于说明目的，而不旨在以任何方式限制航拍数据的类型
。
[0022]图1图示了根据本公开的实施例的示例性航拍图像
100。
可以在夏季期间拍摄航拍图像
100
，并且作为结果，所有农作物作为绿色区域是可见的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种基于图像的农作物识别系统，包括：存储样本航拍数据和标注的航拍数据的数据库；耦合到所述数据库的通信模块，所述通信模块被配置为向用户提供所述样本航拍数据并且从所述用户接收所述标注的航拍数据；和耦合到所述数据库的模型库，所述模型库被配置为获得所述标注的航拍数据，基于所述标注的航拍数据来训练农作物分类模型，并且提供所述经训练的农作物分类模型用于后续的农作物识别，其中所述标注的航拍数据包括对出现在所述样本航拍数据中的所述农作物的类型的确定
。2.
根据权利要求1所述的基于图像的农作物识别系统，还包括：耦合到所述通信模块的用户终端，所述用户终端还包括显示器和输入界面；其中所述显示器向所述用户显示所述样本航拍数据并且所述输入界面从所述用户接收一个或多个标注指令
。3.
根据权利要求1所述的基于图像的农作物识别系统，其中所述样本航拍数据基于排序规则被提供给所述通信模块，所述排序规则包括指示每一条样本航拍数据的标注次数的数目
、
指示每一条样本航拍数据的第一不确定性程度的第一值，以及指示所述农作物分类模型的第二不确定性程度的第二值
。4.
根据权利要求1所述的基于图像的农作物识别系统，其中所述通信模块在不同时间接收表示相同区域的多个样本航拍数据，以及其中所述多个样本航拍数据用农作物分类来标注，以确定每次出现在所述样本航拍数据中的所述农作物的类型
。5.
根据权利要求1所述的基于图像的农作物识别系统，其中至少一条所述样本航拍数据包括包含在所述航拍数据中的地块的所述测地位置的坐标信息指示
。6.
根据权利要求5所述的基于图像的农作物识别系统，其中至少一条所述样本航拍数据的坐标信息还包括经度
、
纬度
、
高度和时间中的一者或多者
。7.
根据权利要求1所述的基于图像的农作物识别系统，其中所述数据库包括存储未标注的所述样本航拍数据的样本池和存储所述标注的航拍数据的标注池
。8.
根据权利要求1所述的基于图像的农作物识别系统，其中所述模型库从所述数据库获得所述标注的航拍数据，并基于分析所述标注的航拍数据的数据训练模型生成所述农作物分类模型
。9.
根据权利要求8所述的基于图像的农作物识别系统，其中所述数据训练模型还包括地块识别模型
。10.
根据权利要求9所述的基于图像的农作物识别系统，其中在所述用户终端上显示的每一条样本航拍数据包括中心地块
。
其中由所述中心地块表示的区域的农作物分类与所述用户终端处的所述样本航拍数据相关联，以及其中所述相关联的样本航拍数据被存储到所述数据库作为所述标注的航拍数据
。11.
一种用于识别航拍数据中的农作物类型的方法，包括：获取样本航拍数据；
将所述样本航拍数据存储在数据库中；根据排序规则提供用于...

【专利技术属性】
技术研发人员：杜辰，赖瑞欣，韩玫，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：