本發(fā)明涉及無人機(jī)，具體為一種無人機(jī)甘蔗種植面積圖像識(shí)別的方法。

背景技術(shù)：

1、無人機(jī)是一種無需人為操控即可自主飛行或遠(yuǎn)程遙控飛行的航空器；在甘蔗種植中，無人機(jī)被廣泛應(yīng)用于拍攝和監(jiān)測；通過無人機(jī)搭載的高清攝像頭，可以獲取甘蔗田的俯瞰圖像，用于監(jiān)測甘蔗的生長情況、病蟲害以及土壤濕度等；這些圖像數(shù)據(jù)經(jīng)過處理和分析，能夠?yàn)楦收岱N植提供精準(zhǔn)的農(nóng)業(yè)管理信息，幫助農(nóng)民提高種植效率，優(yōu)化種植策略；

2、甘蔗是全球重要的糖料作物，在農(nóng)業(yè)、工業(yè)、醫(yī)藥和生態(tài)保護(hù)等方面都具有廣泛的應(yīng)用價(jià)值，故對(duì)于甘蔗種植面積的精確統(tǒng)計(jì)有重要意義；現(xiàn)有的甘蔗種植面積測量基本采用無人機(jī)遙感影像進(jìn)行測量，但一般是分割所攝影像為多個(gè)瓦片，通過結(jié)合中心點(diǎn)計(jì)算相應(yīng)瓦片的面積得到種植面積，存在精度誤差較大、效率低的問題；

3、另外，對(duì)于通過無人機(jī)采集甘蔗田區(qū)內(nèi)的正射圖像而言，通常采用傳統(tǒng)的u-net分割模型以應(yīng)對(duì)正射圖像，此過程中存在適應(yīng)性和優(yōu)化方面的挑戰(zhàn)；具體問題包括：模型在資源受限環(huán)境下難以保持穩(wěn)定性和準(zhǔn)確性，往往因?yàn)閮?nèi)存限制而無法充分發(fā)揮其性能；同時(shí)，模型的關(guān)鍵性能指標(biāo)如準(zhǔn)確率、精確率、召回率等，在不同圖像上表現(xiàn)不一，難以達(dá)到統(tǒng)一的高標(biāo)準(zhǔn)，在一定程度上會(huì)影響到對(duì)于甘蔗種植面積圖像識(shí)別的有效性。

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種無人機(jī)甘蔗種植面積圖像識(shí)別的方法，解決了背景技術(shù)中提出的問題。

3、(二)技術(shù)方案

4、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：

5、一種無人機(jī)甘蔗種植面積圖像識(shí)別的方法，包括如下步驟：

6、s1、獲取目標(biāo)甘蔗種植區(qū)域所對(duì)應(yīng)的正射圖像；

7、s2、識(shí)別正射圖像中的特征點(diǎn)，完成圖像一致操作，生成具有地理參考的拼接影像；

8、s3、對(duì)拼接影像依次進(jìn)行裁切、分塊以及增強(qiáng)處理；

9、s4、配置改進(jìn)的u-net分割模型，并對(duì)其進(jìn)行優(yōu)化處理，直至設(shè)定標(biāo)準(zhǔn)，而后構(gòu)建規(guī)則引擎，根據(jù)當(dāng)前正射圖像所占據(jù)的內(nèi)存量確定最低性能標(biāo)向值，在改進(jìn)的u-net分割模型的性能狀態(tài)未達(dá)到最低性能標(biāo)向值時(shí)，則執(zhí)行搜索優(yōu)化策略，直至改進(jìn)的u-net分割模型的性能狀態(tài)達(dá)到最低性能標(biāo)向值為止；

10、s5、采用改進(jìn)的u-net分割模型對(duì)處理后的拼接圖像進(jìn)行識(shí)別，生成語義掩膜；

11、s6、對(duì)語義掩膜進(jìn)行轉(zhuǎn)換調(diào)整處理；

12、s7、提取蔗田類別的掩膜圖并獲取其邊界像素，依據(jù)蔗田類別的掩膜圖所占據(jù)的像素尺寸和數(shù)量，計(jì)算得出甘蔗的種植面積。

13、進(jìn)一步的，正射圖像是通過搭載多光譜相機(jī)的無人機(jī)獲取的，且多光譜相機(jī)具有g(shù)ps定位模塊，且工作狀態(tài)下無人機(jī)的航向重疊度不得少于80％，旁向重疊度不得少于70％。

14、進(jìn)一步的，圖像一致操作至少包括：圖像的對(duì)齊、拼接和幾何矯正，并匹配重疊區(qū)域。

15、進(jìn)一步的，增強(qiáng)處理至少包括：去噪、對(duì)比度調(diào)整以及旋轉(zhuǎn)調(diào)整。

16、進(jìn)一步的，改進(jìn)的u-net分割模型由一個(gè)編碼器和解碼器組成；

17、編碼器通過若干卷積層和池化層逐步提取圖像的特征，同時(shí)減小特征圖的空間尺寸，每個(gè)卷積層包含兩個(gè)3*3卷積操作以及一個(gè)2*2最大池化操作；

18、解碼器通過上采樣操作逐步恢復(fù)特征圖的空間尺寸，并與對(duì)應(yīng)編碼器層的特征圖進(jìn)行融合，每個(gè)上采樣層包含一個(gè)2*2反卷積操作，而后接兩個(gè)3*3卷積操作，通過若干嵌套的密集卷積塊相連。

19、進(jìn)一步的，設(shè)定標(biāo)準(zhǔn)表示：改進(jìn)的u-net分割模型所對(duì)應(yīng)的平均交并比達(dá)到預(yù)設(shè)值；

20、構(gòu)建的規(guī)則引擎內(nèi)容如下：

21、首先，匯總并依據(jù)性能指標(biāo)數(shù)據(jù)集，生成性能標(biāo)向值iot，所依據(jù)的公式如下：

22、

23、式中，ac、pr、re、fs、ma以及io依次表示為：

24、性能指標(biāo)數(shù)據(jù)集中的準(zhǔn)確率、精確率、召回率、f1分?jǐn)?shù)、平均準(zhǔn)確率以及交并比；

25、其次，依據(jù)正射圖像所占據(jù)的內(nèi)存量，并采用sigmoid函數(shù)來計(jì)算出最低性能標(biāo)向值iot_min，所依據(jù)的公式如下：

26、

27、式中，p0表示為：調(diào)整后的基礎(chǔ)性能標(biāo)向值參數(shù)，且p0＜1；

28、k、m、b以及n分別表示為：

29、調(diào)整系數(shù)、內(nèi)存量、基準(zhǔn)內(nèi)存量以及冪指數(shù)；

30、其中，k＞0，n＝1。

31、進(jìn)一步的，執(zhí)行的搜索優(yōu)化策略內(nèi)容如下：

32、將性能指標(biāo)數(shù)據(jù)集中的任一類數(shù)據(jù)與對(duì)應(yīng)閾值進(jìn)行比較，若任意一類或幾類數(shù)據(jù)未達(dá)到對(duì)應(yīng)閾值，則進(jìn)行優(yōu)化操作，優(yōu)化操作至少包括：

33、調(diào)整模型參數(shù)、更換模型架構(gòu)以及硬件加速。

34、進(jìn)一步的，將拼接圖像輸入至訓(xùn)練好的改進(jìn)的u-net分割模型，模型逐像素地預(yù)測其類別，生成地塊分割的二值或多類掩膜圖，即語義掩膜，該語義掩膜將每個(gè)像素分配到不同的類別中，至少包括8類，分別為：蔗田、水池、河流、房屋、拖拉機(jī)、汽車、道路和稻田；其中，背景由0表示，8類的類別依次由數(shù)字1至8表示。

35、進(jìn)一步的，轉(zhuǎn)化調(diào)整處理的內(nèi)容如下：

36、使用opencv和shapely庫，將改進(jìn)的u-net分割模型生成的語義掩膜轉(zhuǎn)換為多邊形輪廓；使用gdal庫，將多邊形輪廓轉(zhuǎn)化為geojson格式；在轉(zhuǎn)換過程中，參考裁切影像的地理信息，將像素坐標(biāo)轉(zhuǎn)換為地理坐標(biāo)系；生成geojson格式的文件中，每個(gè)多邊形包含的屬性至少為：類別和邊界。

37、(三)有益效果

38、本發(fā)明提供了一種無人機(jī)甘蔗種植面積圖像識(shí)別的方法，具備以下有益效果：

39、(1)本方案能夠高效率處理大面積的圖像，無人機(jī)自動(dòng)化執(zhí)行飛行拍攝任務(wù)，經(jīng)過拼接一次可以處理甘蔗種植面積較大的圖像；同時(shí)，中間過程的數(shù)據(jù)處理環(huán)節(jié)較少，使用改進(jìn)的u-net分割模型在很小的訓(xùn)練集上也能有很好的分割效果，無需大量標(biāo)注的數(shù)據(jù)集進(jìn)行訓(xùn)練；完成語義分割以后，可以快速獲得甘蔗種植面積；

40、(2)本方案通過構(gòu)建規(guī)則引擎，根據(jù)正射圖像內(nèi)存量動(dòng)態(tài)確定最低性能標(biāo)向值，確保了模型在資源受限環(huán)境下的穩(wěn)定性和準(zhǔn)確性；同時(shí)，通過實(shí)施搜索優(yōu)化策略，對(duì)未達(dá)到性能閾值的指標(biāo)進(jìn)行針對(duì)性優(yōu)化，有效提升了模型的準(zhǔn)確率、精確率、召回率等關(guān)鍵性能指標(biāo)；此外，引入的跳躍連接和嵌套密集卷積塊增強(qiáng)了網(wǎng)絡(luò)特征提取和傳遞效率，優(yōu)化的損失函數(shù)和動(dòng)態(tài)學(xué)習(xí)率衰減策略進(jìn)一步提高了模型的收斂速度和分割精度；最終，該方案實(shí)現(xiàn)了在多種分割任務(wù)中高精度與魯棒性的平衡，為圖像處理領(lǐng)域提供了高效且靈活的分割模型優(yōu)化方法。

41、(3)本方案利用改進(jìn)的u-net分割模型對(duì)無人機(jī)捕獲的拼接圖像進(jìn)行逐像素分類，生成包含蔗田等類別的語義掩膜；隨后，通過形態(tài)學(xué)操作或邊界平滑技術(shù)優(yōu)化掩膜邊緣，并將其轉(zhuǎn)換為geojson格式，便于gis系統(tǒng)讀取和分析；最后，提取蔗田類別的掩膜圖，結(jié)合像素的經(jīng)緯度映射關(guān)系，計(jì)算甘蔗的種植面積；

42、此流程不僅提高了地塊分割的精度和效率，還實(shí)現(xiàn)了從圖像到地理信息的無縫轉(zhuǎn)換，為農(nóng)業(yè)管理和決策提供了精確的空間數(shù)據(jù)支持；此外，通過合并多張圖片為一張監(jiān)控區(qū)域圖片，并計(jì)算面積和邊界，進(jìn)一步增強(qiáng)了技術(shù)在實(shí)際應(yīng)用中的適用性和靈活性，有效滿足了農(nóng)業(yè)遙感監(jiān)測和精準(zhǔn)農(nóng)業(yè)的需求。