基于机器学习的农药喷洒检测方法技术

本发明专利技术属于数字图像处理及模式识别技术领域，具体为一种基于机器学习的农药喷洒检测方法。本发明专利技术先在农业作业场景的监控视频中，获取大量务农人员背着农药箱和不背农药箱进行走动的视频,采用较适合刚性物体检测的方法检测农药箱；从视频中各抽取部分图片作为样本，对每个抽取的图片中的农药箱图像进行特征提取，将这些特征组合成特征向量；然后对每幅特征向量用Adaboost的方法进行级联训练，形成一个Adaboost级联分类器，然后将大量的包含或不包含农药箱的图像用该分类器检测图像中是否存在农药箱。本发明专利技术具有高实时性和高易实施性，解决了需要实体考察才能判断是否有人在喷洒农药以及农药喷洒效果的弊端。

【技术实现步骤摘要】
基于机器学习的农药喷洒检测方法
本专利技术属于数字图像处理及模式识别
，具体涉及农业视频监控中的农药喷洒检测方法。
技术介绍
农药喷洒检测作为一门跨学科的前沿技术，融合了农业的农药喷洒，计算机行业的图像处理、模式识别、人工智能等多种不同领域的理论知识。在农业场景自动检测和监控农药喷洒领域中有着广阔的应用前景，对农药喷洒检测方法的研究具有重要的实际意义和理论价值。农药喷洒检测是在农业场景中检测是否有务农人员在特定区域喷洒农药。在农药喷洒检测方法的研究上，大致有两种思路：一是依赖于务农人员的安排，首先需要务农人员每次在喷洒农药之前进行登记，然后再进行喷洒活动。这种方法不仅繁琐，而且容易忘记了登记，导致不可预料的后果；二是不依赖于先验知识，通过对农药箱进行特征提取，检测监控画面中是否存在农药箱来判断是否有务农人员进行农药的喷洒。围绕这两种思路，产生了一些农药喷洒检测的方法。但迄今为止，农药喷洒检测的实用性、准确性和实时性仍未得到有效的解决。农药喷洒检测有如下几种常用的方法：1、人工检测目前最常见的农药喷洒检测方法是人工方法，通常是务农人员根据自己的实际情况来判断是否进行农药喷洒；但每本文档来自技高网...

【技术保护点】
一种基于机器学习的农药喷洒检测方法，其特征在于具体步骤如下：（1）获取农业场景中务农人员背着农药箱喷洒农药的图像首先在农业场景监控的视频数据中，获取务农人员背着农药箱喷洒农药的图像和工作人员不背农药箱进行走动的图像，将两种图像作为正负样本，组成样本库；（2）提取图像特征，组成特征向量对于样本库中的带有农药箱的图像提取农药箱的Haar特征；Haar特征：基于灰度图，特征数量取决于训练样本图像和矩阵大小，通过大量的具有比较明显的haar特征矩形的农药箱图像，用模式识别的方法训练出级联分类器；（3）使用Adaboost训练级联分类器 将步骤（2）所述的Haar特征进行多特征融合，将这些特征线性组合成...

【技术特征摘要】
1.一种基于机器学习的农药喷洒检测方法，其特征在于具体步骤如下：（1）获取农业场景中务农人员背着农药箱喷洒农药的图像首先在农业场景监控的视频数据中，获取务农人员背着农药箱喷洒农药的图像和工作人员不背农药箱进行走动的图像，将两种图像作为正负样本，组成样本库；（2）提取图像特征，组成特征向量对于样本库中的带有农药箱的图像提取农药箱的Haar特征；Haar特征：基于灰度图，特征数量取决于训练样本图像和矩阵大小，通过大量的具有比较明显的haar特征矩形的农药箱图像，用模式识别的方法训练出级联分类器；（3）使用Adaboost训练级联分类器将步骤（2）所述的Haar特征进行多特征融合，将这些特征线性组合成为一个特征向量，将样本库中所有的农药箱图像的特征向量用Adaboost进行级联训练，即针对不同的训练集训练同一个分类器即弱分类器，然后把这些不同训练集上的得到的分类器联合起来，构成一个最终的强分类器；训练系统总体框架，由“训练部分”和“补充部分”构成；依...

【专利技术属性】
技术研发人员：冯瑞，李斌，蒋龙泉，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31