[发明专利]杂草区域的识别方法和装置

说明书

本发明公开了一种杂草区域的识别方法和装置。其中，该方法包括：获取多张作物图像，并对多张作物图像进行处理，得到数据集；基于数据集对神经网络模型进行训练，得到作物区域识别模型；基于作物区域识别模型对包含杂草的图集进行识别的识别结果确定杂草识别模型；基于杂草识别模型对待识别区域的待识别图像进行识别，得到待识别区域中的杂草区域。本发明解决了现有技术中直接人工标记杂草所导致的数据标注工作量大的技术问题。

技术领域

本发明涉及作物识别领域，具体而言，涉及一种杂草区域的识别方法和装置。

背景技术

杂草的适应性强，繁殖能力强，杂草在田间的生长会对田间作物的生长以及产量均会产生影响。为了提高田间作物的产量，现有技术可通过化学除草和机械化除草两种方式进行田间除草，而化学除草会污染环境，机械化除草对环境友好，因此，为了提高田间作物的产量，同时保护环境，目前许多农场采用机械化除草。然而，对于面积较大的农田，如果采用人工除草的方式不仅会增加成本，还会降低除草效率。

随着计算机技术的发展，农田也采用了自动化设备，例如，使用田间机器人巡查的方式来确定农田中的杂草区域；又例如，使用无人机巡视，通过无人机观察拍到的照片来确定农田中的杂草区域。在确定了杂草区域之后，可使用自动化的除草设备进行田间除草。

然而，现有的通过图像分析来确定杂草区域的方式(例如，无人机拍照确定杂草区域的方式)，需要人工干预的环节较多，鲁棒性差。另外，现有技术还可通过神经网络模型对农田图像进行识别处理来确定杂草区域，但现有技术通常是通过人工标注数据的方式来训练神经网络模型，而且，现有的神经网络模型严重依赖于标注数据的质量与数量。如果需要获得高鲁棒性、精度高的神经网络模型，则需要大量的标注数据，而且不同地域不同作物下杂草的类型不同，这又增加了数据标注的工作量。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种杂草区域的识别方法和装置，以至少解决现有技术中直接人工标记杂草所导致的数据标注工作量大的技术问题。

根据本发明实施例的一个方面，提供了一种杂草区域的识别方法，包括：获取多张作物图像，并对多张作物图像进行处理，得到数据集；基于数据集对神经网络模型进行训练，得到作物区域识别模型；基于作物区域识别模型对包含杂草的图集进行识别的识别结果确定杂草识别模型；基于杂草识别模型对待识别区域的待识别图像进行识别，得到待识别区域中的杂草区域。

进一步地，杂草区域的识别方法还包括：对多张作物图像进行处理，得到作物区域所对应的标签图；确定多张作物图像以及标签图的对应关系，基于对应关系获取数据集。

进一步地，杂草区域的识别方法还包括：对多张作物图像进行二值化处理，得到二值化图像；将二值化图像转换为种植行方向为垂直方向的第一图像；检测第一图像中的植被种植状态，其中，植被种植状态至少包括：种植行内连续密植状态和种植行内稀疏种植状态；根据植被种植状态对第一图像进行反转处理，得到标签图。

进一步地，杂草区域的识别方法还包括：获取多张作物图像的多个预设颜色通道的颜色值；基于多个预设颜色通道的颜色值得到多张作物图像中每个像素点所对应的颜色指数；基于颜色指数以及预设的颜色阈值对多张作物图像进行二值化处理，得到二值化图像。

进一步地，杂草区域的识别方法还包括：基于霍夫检测直线算法确定二值化图像中的作物的种植行方向；对二值化图像扩充处理，得到预设形状的第二图像，其中，第二图像中的扩充区域所对应的像素值为零值；基于种植行方向对第二图像进行旋转处理，得到种植行方向为垂直方向的第一图像。