【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及一种缺苗识别方法、装置、设备及介质。
技术介绍
1、在现代农业领域，有效监测农作物的生长状态对于提高农业生产效率至关重要。传统的方法在幼苗缺苗状态监测方面存在一些限制。这些方法通常要求农户或农作物专家亲自到田间地头进行肉眼观察，导致观察结果可能不够准确且效率较低。此外，这些观察结果很难方便地记录和整理，限制了农户及时掌握幼苗缺苗状况的能力。
2、有鉴于此，亟需提供一种节省人力物力，更加智能地实现田间缺苗情况方法，以满足农业对高效监测和管理的迫切需求。
技术实现思路
1、为克服相关技术中存在的问题，本公开提供一种缺苗识别方法、装置、设备及介质，以解决相关技术中通过人工巡查缺苗情况导致观察结果可能不够准确且效率较低的技术问题。
2、本说明书一个或多个实施例提供了一种缺苗识别方法，包括以下步骤：
3、获取历史秧苗田间图像，对秧苗田间图像进行预处理，并划分获得训练集和测试集；所述训练集中图像包括标注秧苗的正样本和标注缺苗的负样本；
4、通过训练集对初始缺苗识别模型进行训练，经过不断的迭代后，当损失函数的loss值不再变化或变化小时，则停止训练，并保存模型学习的参数；其中，初始缺苗识别模型为yolov8网络模型，该模型设定损失函数包括类别分类损失函数，边框回归损失函数；
5、将获取的待识别的秧苗田间图像输入至训练好的缺苗识别模型，获得缺苗情况。
6、本说明书一个或多个实施例提供了一种缺苗识
7、图像获取处理模块，用于获取历史秧苗田间图像，对秧苗田间图像进行预处理，并划分获得训练集和测试集；所述训练集中图像包括标注秧苗的正样本和标注缺苗的负样本；
8、模型训练模块，用于通过训练集对初始缺苗识别模型进行训练，经过不断的迭代后，当损失函数的loss值不再变化或变化小时，则停止训练，并保存模型学习的参数；其中，初始缺苗识别模型为yolov8网络模型，该模型设定损失函数包括类别分类损失函数，边框回归损失函数；
9、预测模块，用于将获取的待识别的秧苗田间图像输入至训练好的缺苗识别模型，获得缺苗情况。
10、本说明书一个或多个实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述缺苗识别方法。
11、本说明书一个或多个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述缺苗识别方法的步骤。
12、本公开提供的一种缺苗识别方法、装置、设备及介质，优点在于，通过应用人工智能技术，通过引入计算机视觉技术，自动识别出可能存在的缺苗区域以及缺苗的数量，使得幼苗缺苗状态监测更加自动化、准确、高效，农户或农作物专家可以通过智能端实时观察的田间图片，本方法自动化的识别过程消除了人为主观因素的影响，提高了识别的准确性，且农户或农作物专家还可根据记录和整理识别结果，进行数据分析和管理，从而更好地掌握幼苗健康状况的变化趋势，能够提高农业生产效率，帮助农户更好地管理幼苗健康状况，以达到农作物高产高效的目标。这一创新方法不仅解决了传统监测方法的局限性，还为现代农业生产提供了数字化、便捷的解决方案，以满足农业对高效监测和管理的迫切需求。
本文档来自技高网...【技术保护点】
1.一种缺苗识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的缺苗识别方法，其特征在于，所述对秧苗田间图像进行预处理包括秧苗田间图像的缩放、裁剪、旋转、增强或弱化处理。
3.如权利要求2所述的缺苗识别方法，其特征在于，所述增强处理为对图像中标注框中的目标像素进行增强，以实现对目标特征进行增加；
4.如权利要求1所述的缺苗识别方法，其特征在于，还包括图像增广处理，包括几何变换、色域变换、清晰度变换、噪声注入和/或局部擦除处理方法。
5.如权利要求1所述的缺苗识别方法，其特征在于，所述分类损失函数设置为Focalloss函数，边框回归损失函数为包括改进的DFL损失函数和CIOU损失函数。
6.一种缺苗识别装置，其特征在于，包括
7.如权利要求6所述的缺苗识别装置，其特征在于，还包括图像增广模块，
8.如权利要求6所述的缺苗识别装置，其特征在于，所述分类损失函数设置为Focalloss函数，边框回归损失函数为包括改进的DFL损失函数和CIOU损失函数。
9.计算机设备，包括存储器、
10.计算机可读存储介质，所述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实现如权利要求1至5任一项所述缺苗识别方法的步骤。
...【技术特征摘要】
1.一种缺苗识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的缺苗识别方法，其特征在于，所述对秧苗田间图像进行预处理包括秧苗田间图像的缩放、裁剪、旋转、增强或弱化处理。
3.如权利要求2所述的缺苗识别方法，其特征在于，所述增强处理为对图像中标注框中的目标像素进行增强，以实现对目标特征进行增加；
4.如权利要求1所述的缺苗识别方法，其特征在于，还包括图像增广处理，包括几何变换、色域变换、清晰度变换、噪声注入和/或局部擦除处理方法。
5.如权利要求1所述的缺苗识别方法，其特征在于，所述分类损失函数设置为focalloss函数，边框回归损失函数为包括改进的dfl损失函数和ciou损失函数。
<...【专利技术属性】
技术研发人员：孙继成，闫家旭，王菲菲，张乾，范立财，蔡巍，
申请(专利权)人：北大荒信息有限公司，
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。