【技术实现步骤摘要】
本申请涉及土壤含水率检测，特别是涉及基于裂缝与含水率关系的土壤含水率计算方法、设备及介质。
技术介绍
1、土壤含水率是农业、生态学和环境科学等领域中一个重要的参数，对于植物生长、干旱监测等具有重要意义，若能高效、便捷、准确地获取土壤含水率，进而指导精准灌溉，对于节约水资源和合理充分利用水资源具有较大帮助。
2、目前，基于图像识别的土壤含水率测量技术主要分为热像技术和光谱技术两大类。热像技术包括红外热像和热红外成像；光谱技术包括可见光图像分析和多光谱遥感。热像技术和光谱技术具有分辨率高、可获取丰富的土壤信息等优点，能较为精确地估算土壤表层含水率，但在不同的光照、复杂的地理环境情况下，其测量精度易受土壤类型、密度、表面状况等因素影响，且设备成本相对较高，对数据处理和分析能力要求也较高；并且，对于土壤采样质量要求较高，容易干扰原土壤的原始状态，等待时间较高，进而影响含水率获取的进程，费时费力。
3、综上，就可量化表征土壤含水率的土壤图像特征而言，存在成本较高、受环境影响较大、参数不稳定、破坏土壤原始状态、费时费力等缺点...
【技术保护点】
1.一种土壤含水率计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的土壤含水率计算方法，其特征在于，所述深度学习网络为UNet网络；所述预设裂缝分割模型的训练过程包括：
3.根据权利要求2所述的土壤含水率计算方法，其特征在于，对所述干缩开裂土壤图像集合中的干缩开裂土壤图像的裂缝区域边界进行标注，具体为：采用Labelme语义分割标注工具，对所述干缩开裂土壤图像进行标注。
4.根据权利要求2所述的土壤含水率计算方法，其特征在于，将所述干缩开裂土壤图像输入至预设裂缝分割模型后，执行的数据处理过程包括：
5.根据权...
【技术特征摘要】
1.一种土壤含水率计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的土壤含水率计算方法，其特征在于，所述深度学习网络为unet网络；所述预设裂缝分割模型的训练过程包括：
3.根据权利要求2所述的土壤含水率计算方法，其特征在于，对所述干缩开裂土壤图像集合中的干缩开裂土壤图像的裂缝区域边界进行标注，具体为：采用labelme语义分割标注工具，对所述干缩开裂土壤图像进行标注。
4.根据权利要求2所述的土壤含水率计算方法，其特征在于，将所述干缩开裂土壤图像输入至预设裂缝分割模型后，执行的数据处理过程包括：
5.根据权利要求1所述的土壤含水率计算方法，其特征在于，基于所述干缩开裂土壤裂缝图像的裂缝区域，计算所述干缩开裂土壤图像中裂缝面积密度，包括：
...
【专利技术属性】
技术研发人员：王玮，常伟琦，王辉，李圳蓝，刘齐鑫，
申请(专利权)人：湖南农业大学，
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。