[发明专利]一种植被异常检测方法、装置、系统和存储介质在审
| 申请号: | 202210509338.4 | 申请日: | 2022-05-10 |
| 公开(公告)号: | CN114998584A | 公开(公告)日: | 2022-09-02 |
| 发明(设计)人: | 李宁钏;严谨;熊剑平;孙海涛;赵蕾;杨剑波 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
| 主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V10/44;G06V10/74;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司: | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人: | 何倚雯 |
| 地址: | 310051 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 植被 异常 检测 方法 装置 系统 存储 介质 | ||
1.一种植被异常检测方法,其特征在于,包括:
获取待检测植被图像;
从预设图像库中选出与所述待检测植被图像的相似度大于第一预设阈值的参考植被图像;
对所述参考植被图像与所述待检测植被图像进行差异比对,得到差异区域图像;
对所述差异区域图像进行识别,得到植被异常识别结果,所述植被异常识别结果包括所述差异区域图像中的植被是否异常。
2.根据权利要求1所述的植被异常检测方法,其特征在于,所述待检测植被图像为原始植被图像中初步异常植被检测的结果为非异常植被图像的图像;
所述初步异常植被检测包括:采用分割网络对所述原始植被图像进行处理,以检测所述原始植被图像中是否存在异常植被区域。
3.根据权利要求1所述的植被异常检测方法,其特征在于,所述对所述参考植被图像与所述待检测植被图像进行差异比对,得到差异区域图像的步骤,包括:
对所述参考植被图像与所述待检测植被图像进行对齐处理,得到对齐后的参考植被图像;
对所述对齐后的参考植被图像与所述待检测植被图像进行相似度比对,得到所述差异区域图像。
4.根据权利要求3所述的植被异常检测方法,其特征在于,所述对所述对齐后的参考植被图像与所述待检测植被图像进行相似度比对,得到所述差异区域图像的步骤,包括:
分别对所述待检测植被图像以及所述对齐后的参考植被图像进行特征提取处理,得到所述待检测植被图像对应的第一图像特征以及所述对齐后的参考植被图像对应的第二图像特征;
基于所述第一图像特征与所述第二图像特征,对所述待检测植被图像与所述对齐后的参考植被图像进行相似度比对,得到相似度信息;
基于所述相似度信息,生成所述差异区域图像。
5.根据权利要求4所述的植被异常检测方法,其特征在于,所述相似度信息包括多个相似值,所述基于所述相似度信息,生成所述差异区域图像的步骤,包括:
从所述多个相似值中确定出大于第二预设阈值的相似值;
将所述待检测植被图像中与确定出的各个相似值对应的像素值确定为所述差异区域图像的像素值。
6.根据权利要求3所述的植被异常检测方法,其特征在于,所述对所述差异区域图像进行识别,得到植被异常识别结果的步骤,包括:
对所述差异区域图像进行识别,得到正常植被区域概率值以及背景区域概率值,所述正常植被区域概率值为所述差异区域图像对应的区域为正常植被区域的概率值,所述背景区域概率值为所述差异区域图像对应的区域为背景区域的概率值,所述背景区域为所述待检测植被图像中的非植被区域;
基于所述正常植被区域概率值以及所述背景区域概率值,生成所述植被异常识别结果。
7.根据权利要求6所述的植被异常检测方法,其特征在于,所述基于所述正常植被区域概率值以及所述背景区域概率值,生成所述植被异常识别结果的步骤,包括:
响应于所述正常植被区域概率值小于第一预设概率值,且所述背景区域概率值小于第二预设概率值,确定所述植被异常识别结果为所述差异区域图像中的植被的类型为异常;
响应于所述正常植被区域概率值大于所述第一预设概率值,且所述背景区域概率值小于所述第二预设概率值,确定所述植被异常识别结果为所述差异区域图像中的植被的类型为正常,且所述差异区域图像对应的区域为正常植被区域;
响应于所述正常植被区域概率值小于所述第一预设概率值,且所述背景区域概率值大于所述第二预设概率值,确定所述植被异常识别结果为所述差异区域图像中的植被的类型为正常,且所述差异区域图像对应的区域为背景区域;
响应于所述正常植被区域概率值大于所述第一预设概率值,且所述背景区域概率值大于所述第二预设概率值,确定所述植被异常识别结果为所述差异区域图像中的植被的类型为正常,且所述差异区域图像对应的区域为其他非异常区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210509338.4/1.html,转载请声明来源钻瓜专利网。





