【技术实现步骤摘要】
本专利技术属于计算机视觉，具体是基于大数据分析的田地路线识别系统。
技术介绍
1、田地路线识别系统是一种用图像采集设备获取田地的图像数据，然后通过数据处理和分析，自动识别和提取田地中的路线信息的系统，旨在帮助规划田地的使用和资源配置，最大限度的提高农作物的产量和质量，同时帮助农业从业者更好的保护环境和进行可持续农业经营。但是现有的田地路线识别技术存在准确的路线识别需要大规模的标注数据集，但是标注田地图像数据耗时且人力成本高，难以应对数据集的更新与变化的技术问题；存在路线识别结果无法及时获得，导致田地管理决策延迟，影响农作物的种植和生长的技术问题；存在田地环境受多种因素影响，导致图像质量下降，干扰路线识别的准确性，非路线数据错误识别为路线，影响田地的正常运营的技术问题；存在田地路线识别可视化不准确，导致无法直观看出田地的路线分布、形状和连接关系，限制对农田管理和作物种植的深入研究和决策支持的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供的基于大数据分析的田地路线识别系统，针对存在准确的路线识别需要大规模的标注数据集，但是标注田地图像数据耗时且人力成本高的技术问题，采用半监督数据标注算法，通过数据点之间的相似性进行标签传播，标签经过节点之间的边传递给相邻节点进行数据标注，减少标注大规模数据集的成本，提升模型的泛化能力；针对路线识别需要处理大规模数据集，路线识别速度慢，导致田地管理决策延迟，影响农作物的种植和生长的技术问题，采用轻量化田地路线识别模型，并
2、本专利技术提供的基于大数据分析的田地路线识别系统，包括农作物生长监测模块、地理数据处理模块、田地路线识别模型训练模块、田地路线优化模块和三维场景可视化模块；
3、所述农作物生长监测模块利用遥感技术获取农作物监测数据，提取农作物特征；
4、所述地理数据处理模块收集田地道路图像进行数据清洗和图像校正与增强，再使用半监督数据标注算法，通过数据点之间的相似性进行标签传播，标签经过节点之间的边传递给相邻节点进行数据标注，得到标准田地图像数据；
5、所述田地路线识别模型训练模块接收来自地理数据处理模块的标准田地图像数据和农作物生长监测模块的农作物特征作为田地路线识别模型的输入，使用轻量化卷积神经网络结构，并运用网络剪枝和量化操作来缩小深度神经网络的规模和计算复杂度，使用学习率自适应方法通过反向传播更新模型参数，得到田地路线图像；
6、所述田地路线优化模块使用路线加权平滑算法对路线进行平滑处理，并对不必要的细节部分进行过滤操作，利用形态学操作来去除细小的边缘连接和孤立的细线，提取出主要的路线形状，并根据实际情况进行参数调整和优化，得到优化后的田地路线图像；
7、所述三维场景可视化模块获取对应时间段的优化后的田地路线图像，进行立体匹配处理得到视差图，使用强度自适应滤波进行视差图处理，利用处理后的最佳视差图，使用增量三角分割法结合已知的摄像机参数和田地图像特征进行地形三维重建，进行地形渲染，实现田地路线的三维场景可视化效果。
8、进一步地，在农作物生长监测模块中，利用遥感技术获取农作物的监测数据，对采集到的农作物的监测数据进行预处理，包括图像校正、影像配准和去除天气干扰，再从预处理后的遥感数据中提取农作物的特征。
9、进一步地，在地理数据处理模块中，设有数据收集单元、数据筛选单元、图像校正与增强单元、数据标注单元和数据划分单元，所述地理数据处理模块包括以下内容：
10、数据收集单元，使用无人机、卫星影像和地面摄像机收集田地数据，将多种不同来源的数据进行融合，得到田地信息数据；
11、数据筛选单元，对收集的田地信息数据进行数据预处理，并根据道路的特征、杂乱度和光照条件从收集到的数据中筛选出适用于田地路线识别的田地图像数据；
12、图像校正与增强单元，对收集到的田地图像数据进行校正，包括纠正图像倾斜、透视校正，同时进行图像增强操作，得到田地图像数据集；
13、数据标注单元，针对大规模的田地图像数据集，使用半监督数据标注算法进行标注，得到标准田地图像数据，所述数据标注单元包括以下内容：
14、根据田地图像数据集构建一个图模型，图模型中每个数据样本对应一个数据节点，将有标签的数据节点的标签信息初始化为真实标签，无标签的数据节点的标签信息初始化为0；
15、定义相似度矩阵，根据图模型，使用邻接矩阵计算节点之间的相似度，得到相似度矩阵，所用公式如下：
16、；
17、式中，s是相似度矩阵，a是邻接矩阵，表示图模型中节点之间的连接关系，q是度矩阵，度矩阵对角线上的元素表示与节点相连的边的数量；
18、迭代更新标签，根据当前节点的相邻节点的标签信息，计算加权平均值，并将该平均值作为当前节点的新标签；
19、设置终止条件，预设最大迭代次数，达到最大迭代次数时，停止迭代；没有达到最大迭代次数时，继续迭代更新标签；没有达到最大迭代次数，但标签更新达到收敛效果时，停止迭代，迭代结束后，得到每个节点的最终标签。
20、进一步地，在田地路线识别模型训练模块中，设有构建田地路线识别模型单元、网络剪枝与量化单元、前向传播单元、反向传播单元和模型部署单元，所述田地路线识别模型训练模块包括以下内容：
21、构建田地路线识别模型单元，使用轻量化卷积神经网络架构和深度可分离卷积减少参数量和计算量，保持路线识别准确的同时提高实时性能；
22、网络剪枝与量化单元，根据标准田地图像数据设计模型的层数和参数，运用网络剪枝和量化技术删除冗余的连接、神经元节点和不重要参数，并将模型的权重从浮点数表示转换为较低精度的定点数表示；
23、前向传播单元，将标准田地图像数据和农作物特征输入田地路线识别模型中进行前向传播，获取田地图像特征；
24、反向传播单元，在训练过程中，通过反向传播算法不断调整模型权重和偏置，使用学习率自适应方法，提高模型的训练稳定性和收敛速度，所述反向传播单元包括以下内容：
25、对于每个可训练参数a，初始化参数的一阶矩变量m和二阶矩变量n本文档来自技高网...
【技术保护点】
1.基于大数据分析的田地路线识别系统，其特征在于：该系统包括农作物生长监测模块、地理数据处理模块、田地路线识别模型训练模块、田地路线优化模块和三维场景可视化模块；
2.根据权利要求1所述的基于大数据分析的田地路线识别系统，其特征在于：在田地路线识别模型训练模块中，设有构建田地路线识别模型单元、网络剪枝与量化单元、前向传播单元、反向传播单元和模型部署单元，所述田地路线识别模型训练模块包括以下内容：
3.根据权利要求2所述的反向传播单元，其特征在于：对于每个可训练参数a，初始化参数的一阶矩变量m和二阶矩变量n为0，初始化时间t为1，计算当前的梯度g；
4.根据权利要求1所述的基于大数据分析的田地路线识别系统，其特征在于：在三维场景可视化模块中，设有数据获取与预处理单元、立体匹配单元、视差图处理单元和地形三维重建单元，所述三维场景可视化模块包括以下内容：
5.根据权利要求1所述的基于大数据分析的田地路线识别系统，其特征在于：在田地路线优化模块中，设有路线平滑单元、细节过滤单元和参数调整和优化单元，所述田地路线优化模块包括以下内容：
...【技术特征摘要】
1.基于大数据分析的田地路线识别系统，其特征在于：该系统包括农作物生长监测模块、地理数据处理模块、田地路线识别模型训练模块、田地路线优化模块和三维场景可视化模块；
2.根据权利要求1所述的基于大数据分析的田地路线识别系统，其特征在于：在田地路线识别模型训练模块中，设有构建田地路线识别模型单元、网络剪枝与量化单元、前向传播单元、反向传播单元和模型部署单元，所述田地路线识别模型训练模块包括以下内容：
3.根据权利要求2所述的反向传播单元，其特征在于：对于每个可训练参数a，初始化参数的一阶矩变量m和二阶矩变量n为0，初始化时间t为1，计算当前的梯度g；
4.根据权利要求1所述的基于大数据分析的田地路线识别系统，其特征在于：在三维场景可视化模块中，设有数据获取与预处理单元、立体匹配单元、视差图处理...
【专利技术属性】
技术研发人员：陶伟，潘嗣南，孙宇，方靖，
申请(专利权)人：博创联动科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。