[发明专利]郁闭度测量方法、装置、电子设备及存储介质

说明书

本说明书一个或多个实施例提供了一种郁闭度测量方法，包括：获取包含作物的彩色图像；提取上述彩色图像的色彩特征作为作物识别模型的输入特征；基于上述作物识别模型，根据上述彩色图像的色彩特征，识别出所述彩色图像中的作物；其中，所述作物识别模型是用于基于输入特征识别出彩色图像中作物的深度学习分割网络U‑net模型；以及根据识别出的彩色图像中作物占所述彩色图像的比例确定所述作物的郁闭度。对应上述郁闭度测量方法，本说明书还提供了郁闭度测量装置、电子设备以及计算机可读介质。

技术领域

本说明书一个或多个实施例涉及图像识别技术领域，尤其涉及一种郁闭度测量方法、郁闭度测量装置、电子设备及计算机可读存储介质。

背景技术

郁闭度主要是指森林或者作物冠层彼此相接，遮蔽地面的程度。郁闭度是反映森林或作物环境的重要因子。通过郁闭度能估算出树木及作物利用生活空间的程度，同时郁闭度也会影响着当地的土壤状况和浅层动物、微生物、植被的生长状况。因此，合理、准确地测量郁闭度对作物的经营有着重要的意义。在本文中，上述作物是指农作物的简称，通常包括油料作物、粮食作物、经济作物等等。

郁闭度的测量方式多种多样。目前主要有目测法、树冠投影法、样线法、样点法、遥感图像判读法等。其中，目测法需要由有经验的调查人员目测确定，受主观因素影响大，误差也较大。树冠投影法需要先将树木进行定位，然后从几个方位测量将树冠投影绘制在图纸上，最后从图纸上计算，这种方法计算比较准确，但也存在一定的主观性，且无法考虑到空隙情况。样线法计算公式为树冠冠幅总长除以二对角线总长，这种方法同样没有考虑到树冠中的空隙，但被认为是估计垂直郁闭度的最可靠的方法。样点法在样地内设置样点，判断样点是否被树冠遮盖，统计遮盖样本点数，计算郁闭度，这种方法简单、快速实用，但是其精度受到抽样方法的制约。遥感图像判读法是通过遥感图像进行郁闭度的估测，由于涉及因素较多，波段选择也很关键，目前还无形成成熟的估测方法。

发明内容

有鉴于此，本说明书一个或多个实施例提出一种郁闭度测量方法，可以从包含作物的图像中快速并精确地识别出其中的作物，并进一步根据彩色图像中作物占彩色图像的比例确定作物的郁闭度。

本说明书一个或多个实施例所述的郁闭度测量方法，可以包括：获取包含作物的彩色图像；提取所述彩色图像的色彩特征作为作物识别模型的输入特征；基于所述作物识别模型，根据所述彩色图像的色彩特征，识别出所述彩色图像中的作物；其中，所述作物识别模型是用于基于输入特征识别出彩色图像中作物的深度学习分割网络U-net模型；以及根据识别出所述彩色图像中作物占所述彩色图像的比例确定所述作物的郁闭度。

在本说明书的一个或多个实施例中，提取所述彩色图像的色彩特征可以包括：

分别提取所述彩色图像上每个像素点在R、G、B三个基色波段上的分量；并将所述每个像素点在R、G、B三个基色波段上的分量作为上述彩色图像的色彩特征；和/或

通过色彩空间转换，将所述彩色图像转换至HSV色彩空间；提取所述HSV色彩空间中彩色图像上每个像素点在H通道、S通道以及V通道上的分量；以及将所述每个像素点在H、S、V三个通道上的分量作为上述彩色图像的色彩特征。

在本说明书的一个或多个实施例中，在提取所述彩色图像的色彩特征之前，进一步包括：将所述彩色图像裁剪为至少一个320像素×320像素的图像。

在本说明书的一个或多个实施例中，所述U-net模型包括特征提取部分以及上采样部分；其中，所述特征提取部分包括四个特征提取层；其中，第一特征提取层、第二特征提取层和第三特征提取层分别包括两个卷积层和一个池化层；第四特征提取层包括两个卷积层和一个反卷积层；所述上采样部分包括三个上采样层；其中，第一上采样层和第二上采样层分别包括两个卷积层和一个反卷积层；第三上采样层包括三个卷积层；其中，所述卷积层的卷积模式为Same模式。