[发明专利]用于识别农田土表的方法、装置、农用机械及介质

说明书

本公开实施方式提供一种用于识别农田土表的方法，包括：获取农田的图像；根据图像得到农田土表的标注；将图像和标注配对以形成配对的数据集，并将数据集分成测试数据集和多组训练数据集；用多组训练数据集和测试数据集分别对语义分割卷积神经网络进行训练和参数优化，最终得到用于识别农田土表的深度学习模型。通过上述技术方案，通过将农田图像及其相关联的农田土表的标注作为配对的数据集对语义分割卷积神经网络进行训练和测试，生成深度学习模型，使用该深度学习模型来基于农田图像识别农田土表。通过这种方式，可以快速生成农田土表标注，通过训练获得识别模型，从而具备识别更复杂场景(例如非机械化种植)的农田土表识别能力。

技术领域

本公开涉及用于识别农田土表的方法、装置、农用机械及存储介质。

背景技术

农田土表识别可用于基于视觉导航的农用机械(例如农田机器人)的导航。目前农田土表识别方法通过图像分析(例如SVM、聚类等)分割出农田中的作物，这种方式严重依赖于人工标注的数据，标注工作量大，导致识别方法鲁棒性较差。

发明内容

本公开实施方式的目的是提供能够快速准确识别农田土表的方法、装置、农用机械及存储介质。

为了实现上述目的，根据本公开的第一方面，提供一种用于确定农田土表的标注的方法，包括：

对农田的图像进行二值化，以提取图像中植被所在的区域并生成图像的二值化图；

确定图像中种植行的主方向；

以主方向和与主方向垂直的方向作为坐标系，累加主方向上植被像素的数量，以得到累加曲线；

确定累加曲线的波峰顶点和宽度；

根据波峰顶点与宽度逐行生成种植行矩形条，得到种植行区域二值图，并根据种植行区域二值图得到非作物区域掩膜图；以及

根据非作物区域掩膜图与图像提取土表区域以得到土表的标注。

在本公开的实施方式中，对农田的图像进行二值化包括使用以下方法中的至少一种对图像进行二值化：

颜色空间区分方法；

颜色指数区分方法；

植被指数区分方法。

在本公开的实施方式中，确定图像中种植行的主方向包括：

将二值化图转换到极坐标系霍夫空间；

通过直线霍夫变换返回数据列表，数据列表包括峰值、角度和距离；

对数据列表进行统计分析，以得到种植行的主方向。

在本公开的实施方式中，对数据列表进行统计分析以得到种植行的主方向包括使用以下方法中的至少一者：

选取数据列表中出现次数最多的角度作为种植行的主方向；

在返回结果低于设定阈值的情况下选取数据列表中排名第一的角度作为种植行的主方向。

在本公开的实施方式中，方法还包括：在确定累加曲线的波峰顶点和宽度之前，对累加曲线进行平滑处理。

在本公开的实施方式中，累加主方向上植被像素的数量，以得到累加曲线包括：

将二值化图旋转至主方向处于垂直方向；

将旋转后的二值化图扩展至正方形，其中正方形的边长长度等于二值化图的对角线长度；

用零值填充正方形中二值化图以外的区域；

逐列对主方向的非零像素个数进行计数，以生成累加曲线。