[发明专利]一种农业场景下的航拍图像实时语义分割方法

权利要求书

1.一种农业场景下的航拍图像实时语义分割方法，其特征在于，包括如下步骤：

步骤1，采集原始的农业场景图像数据；

步骤2，对原始的农业场景图像数据进行预处理，并生成对应的标签图像，然后划分训练集和验证集；

步骤3，构建实时语义分割网络模型，所述语义分割网络模型包括主干特征提取网络，空洞空间金字塔池化模块，纹理特征提取模块和上采样模块；

其中，主干特征提取网络用于生成浅层特征图和深层特征图，将得到深层特征图传入到空洞空间金字塔池化模块，空洞空间金字塔池化模块用于多尺度特征提取，然后将提取到的多尺度特征图进行连接，从而提高不同尺度区域的分割精度；

纹理特征提取模块传入的是主干特征提取网络中的浅层特征图，用于多尺度纹理特征的提取；

对空洞空间金字塔池化模块输出的多尺度特征图和纹理特征提取模块输出的纹理特征图进行连接，输入到上采样模块中上采样操作，使其恢复到原始图像的大小，最后运用softmax函数计算每个像素点不同类别的概率，然后生成分割图像；

步骤4，对搭建好的语义分割网络模型进行训练；

步骤5，将裁剪后的测试图像数据输入到训练好的语义分割网络模型，生成语义分割结果。

2.如权利要求1所述的一种农业场景下的航拍图像实时语义分割方法，其特征在于：步骤2中的具体实现包括如下子步骤；

步骤2.1，对原始的农业场景图像数据进行标注，标注模式包含阴影，干燥，营养缺乏，杂草，积水，水渠，并生成对应的标签图像；

步骤2.2，将原始图像和对应的标签图像进行切割，切割为多张一定大小的图像；

步骤2.3，删除不包含标注区域的图像以及标注区域大于一定阈值的图像，使得所有图像都能保留足够的上下文信息；

步骤2.4，计算所有图像中每个类别标注像素点总数的比例，将占比过大类别所在的图像进行下采样，从而避免类别极度不平衡导致语义分割网络训练效果差；

步骤2.5，将处理完的数据集和标签图按一定比例进行划分，得到训练集和验证集，训练集和验证集都有对应的标签图。

3.如权利要求1所述的一种农业场景下的航拍图像实时语义分割方法，其特征在于：所述主干特征提取网络先对图像进行3×3的卷积下采样，获得浅层特征图；然后是n个bottleneck模块，bottleneck模块分为步长为1和步长为2的，步长为1的bottleneck模块由1×1卷积，Relu6激活函数，3×3深度可分离卷积，Relu6激活函数，1×1卷积，线性激活函数和初始特征图的跳跃连接构成；步长为2的bottleneck模块由1×1卷积，Relu6激活函数，3×3深度可分离卷积，其步长为2，Relu6激活函数，1×1卷积，线性激活函数；n个bottleneck模块之后为1×1卷积，平均池化操作和1×1卷积，最终输出深层特征图。

4.如权利要求1所述的一种农业场景下的航拍图像实时语义分割方法，其特征在于：所述空洞空间金字塔池化模块由1×1卷积，扩张率为6的3×3空洞卷积，扩张率为12的3×3空洞卷积，扩张率为16的3×3空洞卷积和全局平均池化组成，实现多尺度特征提取，最后进行特征融合，从而提高不同尺度区域的分割精度。

5.如权利要求1所述的一种农业场景下的航拍图像实时语义分割方法，其特征在于：所述纹理特征提取模块将主干特征提取网络中的浅层特征图作为输入，然后传入4个分支中，进行多尺度纹理特征的提取，第一个分支进行1×1卷积操作，第二个分支进行2×2卷积操作，第三个分支进行3×3卷积操作，第四个分支进行8×8卷积操作，然后对各自卷积计算得到的特征图进行统计纹理量化操作，量化完成后进行多层感知机操作和上采样，最后将不同分支的输出进行连接得到最终的纹理特征。