[发明专利]植物生长区域的灌水状态的识别方法、装置和存储介质

说明书

本发明公开了一种植物生长区域的灌水状态的识别方法、装置和存储介质。该方法包括：获取目标植物生长区域的目标图像，并对目标图像进行切图处理，得到多张子图像；基于第一深度学习网络模型，分别对多张子图像进行识别，得到多个子灌水状态，并基于多个子灌水状态确定目标灌水状态，其中，多个子灌水状态与多张子图像一一对应，第一深度学习网络模型为使用多组样本数据通过深度学习训练出的，多组样本数据中的每组数据均包括：植物生长区域的图像样本的多张子图像样本、灌水状态的标签，以及图像样本与灌水状态的标签之间的对应关系。本发明解决了植物生长区域的灌水状态的识别的效率低的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种植物生长区域的灌水状态的识别方法、装置和存储介质。

背景技术

目前，对植物生长区域的灌溉管理是植物种植过程中的重要工作，而通常识别植物生长区域的灌水状态的手段主要有：通过人工巡视来观察；通过摄像头和尺或带刻度的杆来测量；通过液位传感器来检测。

但是，通过人工巡视来观察的方法依赖于劳动力，在农场规模越大的情况下，效率反而越低；通过摄像头和尺或带刻度杆来测量的方法仍然需要人员观测分析，这相比于人工巡视，仅仅是减少了人工巡田的环节而已；通过液位传感器来检测的方法，数据采集点是单一的点，如果需获取摄像头视野范围的水位数据，则需要相关人员在多个位置安装液位传感器，从而上述方法对植物生长区域的灌水状态的识别的效率比较低。

针对上述的植物生长区域的灌水状态的识别的效率低的技术问题，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植物生长区域的灌水状态的识别方法、装置和存储介质，以至少解决植物生长区域的灌水状态的识别的效率低的技术问题。

根据本发明实施例的一个方面，提供了一种植物生长区域的灌水状态的识别方法。该方法可以包括：获取目标植物生长区域的目标图像，并对目标图像进行切图处理，得到多张子图像；基于第一深度学习网络模型，分别对多张子图像进行识别，得到多个子灌水状态，并基于多个子灌水状态确定目标灌水状态，其中，多个子灌水状态与多张子图像一一对应，第一深度学习网络模型为使用多组样本数据通过深度学习训练出的，多组样本数据中的每组数据均包括：植物生长区域的图像样本的多张子图像样本、灌水状态的标签，以及图像样本与灌水状态的标签之间的对应关系。

可选地，在获取目标植物生长区域的目标图像之后，该方法还包括：对目标图像进行切图处理，得到多张子图像；基于第一深度学习网络模型，分别对目标图像中的多张子图像进行识别，得到植物生长区域的目标灌水状态，包括：基于第一深度学习网络模型，分别对每张子图像进行识别，得到多个子灌水状态，其中，多个子灌水状态与多张子图像一一对应；基于多个子灌水状态确定目标灌水状态。

可选地，每张子图像的尺寸与第一深度学习网络模型相匹配，对目标图像进行切图处理，得到多张子图像，包括以下之一：将目标图像按照第一数量平均切分为第一数量的子图像；在目标图像中的目标位置中截取出第二数量的子图像。

可选地，基于多个子灌水状态确定目标灌水状态，包括以下之一：对每个子灌水状态的值按照对应的权值进行加权平均，得到目标值，并基于目标值确定目标灌水状态，其中，每个子灌水状态的值用于表征每个子灌水状态所属的种类，每个子灌水状态对应的权值为每个子灌水状态所属的种类的概率；将多个子灌水状态中数量最多的相同种类的子灌水状态，确定为目标灌水状态。

可选地，基于目标值确定目标灌水状态，包括：从多个区间中确定出目标值所处的目标区间，其中，不同的区间对应不同种类的灌水状态；将与目标区间对应的种类的灌水状态，确定为目标灌水状态。