[发明专利]一种基于人工智能的城市绿化带修剪的检测方法及系统

说明书

本发明涉及一种基于人工智能的城市绿化带修剪的检测方法及系统，属于城市绿化带修剪分析领域。方法包括以下步骤：将绿化带目标图像送入初始绿化带修剪分析网络中的特征提取编码器得到各卷积层的第一特征矩阵；根据各卷积层的第一特征矩阵，得到第二特征矩阵；根据第二特征矩阵和预设的标准矩阵库，计算第二特征矩阵与标准矩阵库中的各标准矩阵间的特征差异指标，得到特征差异指标集合；计算初始绿化带修剪分析网络损失函数的优化参量，得到目标绿化带修剪分析网络。本发明提供的基于人工智能的城市绿化带修剪的检测方法是一种自动数据处理方法，能够提高检测绿化带待修剪等级的判断，降低了人为主观性。

技术领域

本发明涉及城市绿化带修剪分析领域，具体涉及一种基于人工智能的城市绿化带修剪的检测方法及系统。

背景技术

绿化带在城市道路中起到交通分隔的目的，有效降低交通事故的发生，同时能够吸收有害气体，净化城市环境，降低交通噪声。但是城市道路绿化带需要定期修剪，防止绿化带肆意生长降低美化效果，且生长过盛的绿化带内部通风不畅，将会导致内部杂菌及害虫丛生，影响城市环境，道路绿化带的修剪可以保证植物内部的透风，降低害虫的增长。

目前，对于城市绿化带的修剪主要通过人为判定是否需要修理，或者固定时期对道路绿化带进行修剪，这种方式主观性过强，会导致判断结果不准确及疏漏现象，且城市道路绿化带较多，人为工作量大，效率低下。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的城市绿化带修剪的检测方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的城市绿化带修剪的检测方法及系统包括以下步骤：

获取绿化带目标图像；

将绿化带目标图像送入初始绿化带修剪分析网络中的特征提取编码器；

根据特征提取编码器中的至少两个卷积层，得到各卷积层输出的第一特征矩阵；

根据各卷积层输出的第一特征矩阵，计算得到第二特征矩阵；

根据第二特征矩阵和预设的标准矩阵库，计算第二特征矩阵与标准矩阵库中的各标准矩阵之间的特征差异指标，得到特征差异指标集合；预设的标准矩阵库中包括与各预设的绿化带待修剪等级相对应的标准矩阵子库，各标准矩阵子库包括至少一个标准矩阵；

根据特征差异指标集合，计算初始绿化带修剪分析网络损失函数的优化参量。

根据优化参量，优化初始绿化带修剪分析网络，得到目标绿化带修剪分析网络；

根据目标绿化带修剪分析网络，对绿化带待修剪等级进行预测。

本发明还提供了一种基于人工智能的城市绿化带修剪的检测系统，包括存储器和处理器，以实现上述基于人工智能的城市绿化带修剪的检测方法。

优选的，初始绿化带修剪分析网络的构建过程为：获取训练样本集，训练样本集包括多个绿化带样本图像；对各绿化带样本图像的待修剪等级进行标注，得到标注数据；将训练样本集和标注数据输入至网络中，并采用损失函数进行训练，得到初始绿化带修剪分析网络。

优选的，根据特征提取编码器中的至少两个卷积层，得到各卷积层输出的第一特征矩阵的步骤为：获取各卷积层输出的特征向量；计算特征向量中的两两元素的内积，得到第一特征矩阵。

优选的，根据各卷积层输出的第一特征矩阵，计算得到第二特征矩阵的过程包括：对各卷积层的第一特征矩阵求加权和，得到第二特征矩阵。

优选的，标准矩阵库的获取的过程为：获取与各预设的绿化带待修剪等级相对应的绿化带图像库，各绿化带图像库包括多个绿化带图像；对于任意一个绿化带图像库，将该绿化带图像库输入至初始绿化带修剪分析网络中，得到与各绿化带图像相对应的损失函数值和特征矩阵；从各绿化带图像相对应的损失函数值中获取预设个数的最小损失函数值，预设个数的最小损失函数值对应的特征矩阵构成该绿化带图像库所对应的标准矩阵子库。