【技术实现步骤摘要】
本申请涉及但不限于图像处理，尤其涉及一种基于神经网络的园林信息管理方法及系统。
技术介绍
1、园林信息管理是园林行业中至关重要的一部分，它涉及到对园林景观、植物、建筑等多方面的管理和维护。传统的园林信息管理主要依赖于人工调查和记录，这种方式存在着效率低、成本高、容易出错等问题。随着计算机视觉和图像处理技术的发展，园林信息管理领域开始逐渐引入图像识别技术，以提高管理效率、降低成本并实现信息化管理。
2、园林图像识别技术基于计算机视觉和深度学习等技术，通过对园林景观、植物、建筑等元素进行图像采集、识别和分析，实现对园林信息的自动获取和处理。这项技术可以帮助园林管理者更好地了解园林内各种植被的分布情况、健康状况以及变化趋势，从而指导园林的规划、养护和管理工作。此外，园林图像识别技术还可以应用在园林设计中，辅助进行园林规划、布局和设计，为园林的建设和改造提供科学依据。
3、在图像识别过程中，对于图像数量庞大，图像内容繁杂的情况下，通常会将图像进行分块，对其中的部分进行识别分类，但是容易忽略掉关键信息，而对所有的图像信息进行识别又会降低分类识别的效率，为园林信息管理的及时性带来困难，那么，如何保障图像识别分类的精度和速度是需要考虑的技术问题。
技术实现思路
1、有鉴于此，本申请实施例至少提供一种基于神经网络的园林信息管理方法及系统。
2、本申请实施例的技术方案是这样实现的：
3、一方面，本申请实施例提供一种基于神经网络的园林信息管理方法，应用于
4、在获取到目标园林图像对应的x个园林图像分块时，对所述x个园林图像分块分别进行图像描述数组抽取处理，得到x个第一描述数组；其中，x≥1；
5、对所述x个第一描述数组进行局部聚焦处理，得到所述x个园林图像分块各自对应的内部聚焦影响系数；x个内部聚焦影响系数包括s个非零内部聚焦影响系数和u个零值内部聚焦影响系数；其中，1≤s≤x，u＝x-s；
6、在所述x个园林图像分块中，将所述u个零值内部聚焦影响系数对应的园林图像分块进行清洗操作，得到s个园林图像分块，对所述s个园林图像分块进行图像描述数组抽取处理，得到s个第二描述数组；
7、根据所述s个第二描述数组以及所述s个非零内部聚焦影响系数，生成所述目标园林图像对应的园林图像描述数组，所述园林图像描述数组用于推理所述目标园林图像对应的图像分类。
8、在一些实施例中，所述在获取到目标园林图像对应的x个园林图像分块时，对所述x个园林图像分块分别进行图像描述数组抽取处理，得到x个第一描述数组，包括：
9、在获取到目标园林图像时，获取针对所述目标园林图像的目标图像识别网络；所述目标图像识别网络包括第一图像描述数组抽取模块；
10、根据所述目标园林图像的语义分割结果以及与所述目标图像识别网络相关联的图像尺寸，对目标园林图像进行图像分解，得到x个园林图像分块各自对应的图像像素矩阵；
11、基于所述第一图像描述数组抽取模块中的第一嵌入映射模块，对x个图像像素矩阵中的每个图像像素矩阵进行嵌入映射操作，得到x个像素描述数组；
12、基于所述第一图像描述数组抽取模块中的第一降采样模块，对所述x个像素描述数组进行降采样，得到所述x个园林图像分块各自对应的第一描述数组。
13、在一些实施例中，所述根据所述目标园林图像的语义分割结果以及与所述目标图像识别网络相关联的图像尺寸，对目标园林图像进行图像分解，得到x个园林图像分块各自对应的图像像素矩阵，包括：
14、根据所述目标园林图像的语义分割结果以及与所述目标图像识别网络相关联的图像尺寸，对所述目标园林图像进行图像分解，得到x个初始图像分块；所述x个初始图像分块包括初始图像分块p，其中，1≤p≤x；
15、获取用于对所述初始图像分块p进行组合的标记信息，所述标记信息包括用于指示起始像素位置的第一标记信息和用于指示结束像素位置的第二标记信息；
16、将所述第一标记信息组合在所述初始图像分块p的首个像素，且将所述第二标记信息组合在所述初始图像分块p的最后一个像素，将组合后的初始图像分块p作为园林图像分块p；
17、在得到x个园林图像分块时，分别对所述x个园林图像分块中的每个园林图像分块进行像素分解，得到x个图像像素矩阵。
18、在一些实施例中，所述对所述x个第一描述数组进行局部聚焦处理，得到所述x个园林图像分块各自对应的内部聚焦影响系数，包括：
19、将所述x个第一描述数组加载到目标图像识别网络中的局部聚焦模块，根据所述局部聚焦模块中的数组调节变量以及所述x个第一描述数组，确定所述x个园林图像分块各自的评价变量；所述x个园林图像分块包括园林图像分块p；其中，1≤p≤x，所述评价变量包括所述园林图像分块p的评价变量up，所述局部聚焦模块包括选择注意力机制；
20、根据所述评价变量up以及x个评价变量，得到所述园林图像分块p的置信度变量cp；
21、在得到每个园林图像分块各自的置信度变量时，根据选取方式从x个置信度变量中选取s个置信度变量；
22、将所述s个置信度变量中的每个置信度变量分别进行标准化操作，得到s个非零内部聚焦影响系数，将除所述s个置信度变量之外的u个置信度变量分别进行数值分配处理，得到u个零值内部聚焦影响系数；
23、将所述s个非零内部聚焦影响系数和所述u个零值内部聚焦影响系数，确定为所述x个园林图像分块各自对应的内部聚焦影响系数；
24、其中，所述选取方式包括第一选取方式；所述第一选取方式包括选取临界值q；所述在得到每个园林图像分块各自的置信度变量时，根据选取方式从x个置信度变量中选取s个置信度变量，包括：
25、在得到每个园林图像分块各自的置信度变量时，对x个置信度变量进行按序排列，得到排列信息；
26、如果所述排列信息为递减排列信息，则从所述x个置信度变量中选取前s个置信度变量；
27、如果所述排列信息为递增排列信息，则从所述x个置信度变量中选取后s个置信度变量；
28、以及，所述选取方式包括第二选取方式；所述第二选取方式包括累加置信度临界值；所述在得到每个园林图像分块各自的置信度变量时，根据选取方式从x个置信度变量中选取s个置信度变量，包括：
29、在得到每个园林图像分块各自的置信度变量时，对x个置信度变量进行递减排序，得到递减排列信息；
30、依据所述递减排列信息，游走所述递减排列信息中的置信度变量；
31、如果已游走的置信度变量的累加结果满足所述累加置信度临界值，则在所述x个置信度变量中，对拟选取变量和位于所述拟选取变量之后的置信度变量进行清洗操作，得到s个置信度变量，其中，所述拟选取变量为已游走的置信度变量中位于最后的置信度变量。
32、在一些实施例中，所述在所述x个园林本文档来自技高网...
【技术保护点】
1.一种基于神经网络的园林信息管理方法，其特征在于，应用于园林信息管理系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在获取到目标园林图像对应的x个园林图像分块时，对所述x个园林图像分块分别进行图像描述数组抽取处理，得到x个第一描述数组，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标园林图像的语义分割结果以及与所述目标图像识别网络相关联的图像尺寸，对目标园林图像进行图像分解，得到x个园林图像分块各自对应的图像像素矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述x个第一描述数组进行局部聚焦处理，得到所述x个园林图像分块各自对应的内部聚焦影响系数，包括：
5.根据权利要求1所述的方法，其特征在于，所述在所述x个园林图像分块中，将所述u个零值内部聚焦影响系数对应的园林图像分块进行清洗操作，得到s个园林图像分块，对所述s个园林图像分块进行图像描述数组抽取处理，得到s个第二描述数组，包括：
6.根据权利要求5所述的方法，其特征在于，所述s个园林图像分块包括第一拟识别图像分块
7.根据权利要求2所述的方法，其特征在于，所述根据所述s个第二描述数组以及所述s个非零内部聚焦影响系数，生成所述目标园林图像对应的园林图像描述数组，包括：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.一种园林信息管理系统，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一项所述方法中的步骤。
...【技术特征摘要】
1.一种基于神经网络的园林信息管理方法，其特征在于，应用于园林信息管理系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在获取到目标园林图像对应的x个园林图像分块时，对所述x个园林图像分块分别进行图像描述数组抽取处理，得到x个第一描述数组，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标园林图像的语义分割结果以及与所述目标图像识别网络相关联的图像尺寸，对目标园林图像进行图像分解，得到x个园林图像分块各自对应的图像像素矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述x个第一描述数组进行局部聚焦处理，得到所述x个园林图像分块各自对应的内部聚焦影响系数，包括：
5.根据权利要求1所述的方法，其特征在于，所述在所述x个园林图像分块中，将所述u个零值内部聚焦影响系数对应的园林图像分块进行清洗操作，得到s个园林图像分块，...
【专利技术属性】
技术研发人员：薛勤朋，权燕，罗中伟，赵彩，李娜，王永庆，炊玉波，李强，汤振兴，唐洁芳，宋文龙，薛勤芳，李迎春，刘博，王莹洲，
申请(专利权)人：裕华生态环境股份有限公司，
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。