[发明专利]造林实绩质量评价方法、系统、终端设备及存储介质

权利要求书

1.一种造林实绩质量评价方法，其特征在于，所述方法包括：

获取造林区域图像；

基于训练好的深度学习耦合模型，检测造林区域图像中的目标物体，并对造林区域图像中的目标物体进行分割，切分出目标物体，所述目标物体包括成活幼树、死亡幼树、空穴和伴生杂草，所述深度学习耦合模型为目标检测与图像分割的耦合模型；

通过分类器网络对目标物体进行分类；

根据分类结果，实现造林实绩质量评价。

2.根据权利要求1所述的造林实绩质量评价方法，其特征在于，所述基于训练好的深度学习耦合模型，检测造林区域图像中的目标物体，并对造林区域图像中的目标物体进行分割，切分出目标物体，具体包括：

将造林区域图像输入训练好的深度学习耦合模型；

通过深度卷积神经网络对造林区域图像进行一系列的特征提取；

通过目标检测网络的检测头对提取的特征进行检测，得到检测目标；

通过特征映射网络将特征层映射成特征热力图；

将检测目标与特征热力图进行线性组合，得到造林区域图像中的目标物体；

通过图像分割网络对造林区域图像中的目标物体进行分割，切分出目标物体。

3.根据权利要求2所述的造林实绩质量评价方法，其特征在于，所述深度卷积神经网络采用基于特征金字塔网络的优化结构；

所述通过深度卷积神经网络对造林区域图像进行一系列的特征提取，具体包括：

将造林区域图像通过浅层卷积特征从下往上传递到深层卷积特征，通过特征融合层与深层卷积特征融合，完成特征提取。

4.根据权利要求2所述的造林实绩质量评价方法，其特征在于，所述通过目标检测网络的检测头对提取的特征进行检测，得到检测目标，具体包括：

通过目标检测网络的检测头对提取的特征进行检测，对每个类别的前n个得分检测器计算一个大小为c×n×n的IoU矩阵X，并对每个类别的框进行降序排列，通过检查是否有任何得分较高的检测与其IoU大于某个阈值t，从而找到要删除的检测框，利用阈值t来处理矩阵X，对每个类别保留置信度最大的的检测框。

5.根据权利要求1-4任一项所述的造林实绩质量评价方法，其特征在于，所述获取造林区域图像之前，还包括：

对基于无人机的深度学习调查方案中的无人机采集参数进行预估，所述无人机采集参数包括飞行高度、飞行速度、摄像头角度和图像分辨率；

收集造林树种名录，整理同一树种不同名称的情况，对同物异名情况进行合并；

获取无人机根据预估的无人机采集参数小规模采集的造林树种幼树、空穴以及伴生杂草图像，分析所采集图像的参数，从而确定大规模采集图像的各项采集参数；

获取手机和无人机根据大规模采集图像的各项采集参数采集的造林树种幼树、空穴以及伴生杂草图像，并对所采集图像进行清洗和标注，所述清洗包括图像的裁剪、相似图像去重和模糊图像删除；

根据造林树种名录以及清洗标注后的图像，建立造林实绩质量评价图像库；

利用造林实绩质量评价图像库中的图像训练深度学习耦合模型。

6.根据权利要求5所述的造林实绩质量评价方法，其特征在于，所述分析所采集图像的参数，从而确定大规模采集图像的各项采集参数，具体包括：

通过深度学习对不同无人机采集参数收集到的图像数据进行学习，根据结果分析所采集图像的参数，从而确定大规模采集图像的各项采集参数。

7.根据权利要求5所述的造林实绩质量评价方法，其特征在于，所述利用造林实绩质量评价图像库中的图像训练深度学习耦合模型之前，还包括：

对造林实绩质量评价图像库中图像进行数据增强，所述数据增强包括随机颜色抖动、图像亮度增广、HSV的改变，随机水平翻转和旋转、mixup、bluring、label smoothing、cutmix、mosaic、将一幅图像粘贴在另一幅图像中的随机位置中的至少一种。