一种巡检识别枯死树制造技术

本发明专利技术实施例公开了一种巡检识别枯死树

【技术实现步骤摘要】
一种巡检识别枯死树、病树的方法、装置、介质及设备


[0001]本专利技术涉及智能识别
，尤其涉及一种巡检识别枯死树
、
病树的方法
、
装置
、
介质及设备
。

技术介绍

[0002]在林业部门的工作中，经常需要检测森林中的枯死树和病树
。
而检测方法一般有人工巡检和智能检测
。
对于人工巡检，一般耗时耗力，且地形复杂情况下人也无法进入
。
对于智能检测，一般采用无人机技术作为基础，远程操控无人机对森林区域进行定期巡航巡检，及时发现森林中的枯死树和病树
。
而在无人机的巡检中，为了找到其中的枯死树和病树，首先要考虑到自然环境影响和实际无人机拍摄的目标微小的情况，其次要注意到主流的图像检测技术均是基于图像本身特征的情况，以上两种情况都使得无人机巡检枯死树
、
病树这种方法无法精准识别
、
容易产生误判
、
准确率不够高
。

技术实现思路

[0003]基于此，有必要针对上述问题，提出一种巡检识别枯死树
、
病树的方法
、
装置
、
介质及设备，以使基于该方法可以精准识别枯死树和病树
。
[0004]在第一方面，本专利技术提供一种巡检识别枯死树
、
病树的方法，所述方法基于无人机，所述方法包括：
[0005]获取所述无人机拍摄并传输的原始图像中的枯死树的第一图像特征数据和病树的第二图像特征数据，根据所述第一图像特征数据和所述第二图像特征数据进行数据标注，得到初始已标注数据集；
[0006]对所述初始已标注数据集进行数据扩增，得到基础数据集；
[0007]对所述基础数据集进行模型训练以得到优化后的最优模型；
[0008]基于所述最优模型，获得所述原始图像中的枯死树和病树识别结果
。
[0009]可选的，所述获取所述无人机拍摄并传输的原始图像中的枯死树的第一图像特征数据和病树的第二图像特征数据，具体包括：
[0010]将所述原始图像放大至预设比例，按照预设的标准获得所述枯死树在不同自然环境下的第一图像特征数据，以及所述病树在不同自然环境下的第二图像特征数据
。
[0011]可选的，所述根据所述第一图像特征数据和所述第二图像特征数据进行数据标注，得到初始已标注数据集，包括：
[0012]将所述原始图像基于经纬度坐标分割为预设大小图片，基于预设的标注规则
、
所述第一图像特征数据
、
所述第二图像特征数据对所述预设大小图片进行目标物体标注，得到用于标记枯死树的第一标记和用于标记病树的第二标记；
[0013]基于所述第一标记和所述第二标记得到初始已标注数据集
。
[0014]可选的，所述对所述初始已标注数据集进行数据扩增，得到基础数据集，包括：
[0015]获取原始图像，基于所述原始图像进行图像数据扩增处理，得到扩增数据集；
[0016]将所述初始已标注数据集和所述扩增数据集整合为一个基础数据集
。
[0017]可选的，所述基础数据集包括图片信息和目标物体标注信息
。
[0018]可选的，所述对所述基础数据集进行模型训练以得到优化后的最优模型，具体包括：
[0019]对所述基础数据集进行第一处理，得到训练数据集
、
验证数据集
、
测试数据集；
[0020]将所述训练数据集输入到
PAFNet
算法的基础检测模型中，设置初始学习率
、
初始模型参数
、
一次训练所抓取的数据样本数量，开始训练；更改所述学习率和
/
或所述模型参数，进行若干次迭代，在所述每次迭代中基于所述验证数据集对所述检测模型进行验证，并不断对所述检测模型进行优化和调整；
[0021]当优化和调整后的检测模型中的损失函数符合预设范围时，停止所述优化和调整；此时将所述测试数据集输入所述优化和调整后的检测模型，对所述模型进行误差评估，并输出最优模型
。
[0022]可选的，所述对所述模型进行误差评估之后，还包括：
[0023]获取所述优化和调整后的检测模型中的参数集，以及所述每次迭代中的指标集；
[0024]基于所述参数集和所述指标集，结合所述误差评估结果，得到并输出最优学习率
、
轮次和最优模型参数，进而基于所述最优学习率
、
轮次和最优模型参数确定所述最优模型
。
[0025]在第二方面，本专利技术提供一种巡检识别枯死树
、
病树的装置，所述装置包括：
[0026]获取初始数据模块，用于获取所述无人机拍摄并传输的原始图像中的枯死树的第一图像特征数据和病树的第二图像特征数据，根据所述第一图像特征数据和所述第二图像特征数据进行数据标注，得到初始已标注数据集；
[0027]扩增模块，用于对所述初始已标注数据集进行数据扩增，得到基础数据集；
[0028]优化模块，用于对所述基础数据集进行模型训练以得到优化后的最优模型；
[0029]识别模块，用于基于所述最优模型，获得所述原始图像中的枯死树和病树识别结果
。
[0030]在第三方面，本专利技术提供一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法中的任一步骤
。
[0031]在第四方面，本专利技术提供一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述方法中的任一步骤
。
[0032]采用本专利技术实施例，具有如下有益效果：
[0033]本专利技术提供了一种巡检识别枯死树
、
病树的方法，该方法基于无人机，该方法包括获取无人机拍摄并传输的原始图像中的枯死树的第一图像特征数据和病树的第二图像特征数据，根据第一图像特征数据和第二图像特征数据进行数据标注，得到初始已标注数据集；对初始已标注数据集进行数据扩增，得到基础数据集；对基础数据集进行模型训练以得到优化后的最优模型，基于该模型获得最终识别结果
。
本专利技术通过对枯死树和病树的已标注数据集进行数据扩增，使得原本的数据集被扩充和丰富，提升了原始数据的多样性，大大增大了后续模型训练的准确性；其次，本专利技术对扩增后的数据集进行模型训练，使得本专利技术中的最优模型精准度提升，进而对于枯死树
、
病树的识别更加准确
。
附图说明
[0034]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种巡检识别枯死树
、
病树的方法，其特征在于，所述方法基于无人机，所述方法包括：获取所述无人机拍摄并传输的原始图像中的枯死树的第一图像特征数据和病树的第二图像特征数据，根据所述第一图像特征数据和所述第二图像特征数据进行数据标注，得到初始已标注数据集；对所述初始已标注数据集进行数据扩增，得到基础数据集；对所述基础数据集进行模型训练以得到优化后的最优模型；基于所述最优模型，获得所述原始图像中的枯死树和病树识别结果
。2.
根据权利要求1所述的方法，其特征在于，所述获取所述无人机拍摄并传输的原始图像中的枯死树的第一图像特征数据和病树的第二图像特征数据，具体包括：将所述原始图像放大至预设比例，按照预设的标准获得所述枯死树在不同自然环境下的第一图像特征数据，以及所述病树在不同自然环境下的第二图像特征数据
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述第一图像特征数据和所述第二图像特征数据进行数据标注，得到初始已标注数据集，包括：将所述原始图像基于经纬度坐标分割为预设大小图片，基于预设的标注规则
、
所述第一图像特征数据
、
所述第二图像特征数据对所述预设大小图片进行目标物体标注，得到用于标记枯死树的第一标记和用于标记病树的第二标记；基于所述第一标记和所述第二标记得到初始已标注数据集
。4.
根据权利要求1所述的方法，其特征在于，所述对所述初始已标注数据集进行数据扩增，得到基础数据集，包括：获取原始图像，基于所述原始图像进行图像数据扩增处理，得到扩增数据集；将所述初始已标注数据集和所述扩增数据集整合为一个基础数据集
。5.
根据权利要求1所述的方法，其特征在于，所述基础数据集包括图片信息和目标物体标注信息
。6.
根据权利要求1所述的方法，其特征在于，所述对所述基础数据集进行模型训练以得到优化后的最优模型，具体包括：对所述基础数据集进行第一处理，得到训练数据集
、
验证数据集
、
测试数...

【专利技术属性】
技术研发人员：张飞，梁佳琪，谢晓宾，陈友，
申请(专利权)人：深圳天源迪科信息技术股份有限公司，
类型：发明
国别省市：