[发明专利]一种基于深度学习的小麦倒伏损失评估方法和装置

说明书

本发明公开了一种基于深度学习的小麦倒伏损失评估方法和装置，涉及图像处理的技术领域，并包括：1获取小麦地块的图像信息，并对图像信息进行预处理，得到研究区域图像和标签数据；2将小麦的研究区域图像与倒伏颜色指数图像和数字表面模型图像进行通道合成，得到小麦多通道融合图像；3构建深度学习小麦倒伏识别模型，包括编码器和解码器，其中编码器包括特征提取网络、卷积块注意力模块和卷积层；4将小麦倒伏图像数据输入小麦倒伏识别模型中，得到倒伏区域的预测结果并计算倒伏区域面积；5利用分类模型评估倒伏损失等级评估。本发明能够准确提取小麦倒伏区域，同时评估倒伏损失等级，解决了现有小麦倒伏损失评估方法准确率较低的问题。

技术领域

本发明涉及图像处理的技术领域，尤其是涉及一种基于深度学习的小麦倒伏损失评估方法和装置。

背景技术

小麦倒伏造成的灾害是影响小麦正常生长的主要因素之一，评估小麦倒伏损失评价等级，为小麦抗倒伏育种、灾后评估和倒伏影响因素分析等工作提供了重要依据。小麦倒伏原因一般可以分为暴雨大风和病虫害，台风灾害一般受灾面积大，损失较为严重；病虫害一般范围较小，但受灾区会逐渐发展连片。目前的小麦倒伏定损方法主要由倒伏面积决定，可以根据倒伏面积和受灾情况分为以下三种损失等级：轻度损失、中度损失和重度损失。所以发生倒伏之后，不及时获取倒伏信息会影响相关部门进行产量评估。

在现有基于深度学习进行小麦倒伏评估的技术中，大多存在倒伏区域预测结果不够准确，损失评估较为复杂的问题，导致小麦倒伏损失评估工作的效率不高。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种基于深度学习的小麦倒伏损失评估方法和装置，以期能精准高效地评估小麦图像中的倒伏损失程度，从而能解决现有小麦倒伏损失评估工作精确度较低和效率不高的问题。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于深度学习的小麦倒伏损失评估方法的特点在于，包括：

步骤1、利用无人机搭载RGB数码相机获取a个小麦地块的图像信息，并通过预处理的方式，得到小麦研究区域图像及其相应的标签图像；

步骤2、对所述小麦研究区域图像进行图像处理，得到小麦倒伏颜色指数图像和小麦数字表面模型图像；

步骤3、将所述小麦研究区域图像、小麦倒伏颜色指数图像和小麦数字表面模型图像进行通道合成，得到小麦多通道融合图像；

步骤4、对小麦多通道融合图像和所述标签图像分别进行数据扩增处理，得到图像-标签对，并按比例将所述图像-标签对划分为训练集和验证集，从而组成小麦倒伏图像数据集；

步骤5、构建基于深度学习的小麦倒伏识别模型，并利用所述小麦倒伏图像数据集训练所述小麦倒伏识别模型，得到训练后的小麦倒伏识别模型，用于确定所述小麦研究区域图像中倒伏区域的位置和范围；

步骤6、根据小麦研究区域图像中倒伏区域的位置和范围计算出倒伏面积，并利用训练好的倒伏损失分类模型对倒伏面积进行倒伏程度分类，得到小麦的倒伏损失等级。

本发明所述的基于深度学习的小麦倒伏损失评估方法的特点也在于，所述步骤1中的预处理包括：

步骤1.1、根据地理坐标信息对采集到的a个小麦地块的图像信息进行空间信息匹配，得到匹配后的a个小麦地块的图像数据；

在匹配后的a个小麦地块的图像数据中的重叠区域内逐行搜索最佳拼接点，从而由最佳拼接点拟合得到拼接线，并根据所述拼接线将匹配后的a个小麦地块的图像数据拼接完整的小麦研究区域图像；

步骤1.2、利用人工标注方式对所述小麦研究区域图像中的倒伏区域进行标记，从而得到标签图像。

所述步骤2中的图像处理包括：