[发明专利]无人机遥感图像的荔枝果实检测与计数方法

说明书

本发明公开了一种无人机遥感图像的荔枝果实检测与计数方法，包括：采集果园果实无人机遥感图像，构建图像数据库；建立荔枝树冠分割模型，获取荔枝树冠分割结果图；建立荔枝果实检测模型，对输入的树冠分割结果图进行两个阶段检测，第一阶段检测能够对非密集果实区域进行准确检测，第二阶段能够对密集果实区域进行精准检测；分别统计非密集果实区域与密集果实区域的检测结果，得到最终的果实检测数量。本发明解决了无人机遥感图像的荔枝果实检测中，果实目标小、密集、重叠和遮挡导致目标检测精度低的问题。

技术领域

本发明涉及目标识别及智慧农业的技术领域，尤其是指一种无人机遥感图像的荔枝果实检测与计数方法。

背景技术

随着计算机视觉和智慧农业的快速发展，果实检测技术已成为研究热点，果实产量统计对于果实收获作业计划和市场营销策略起着至关重要的作用。收获果实之前准确地统计果园产量，在现阶段，有助于管理者根据园区果实分布情况合理地分配劳动力，及时调整生产管理和销售策略，能够有效的节省生产资料投入。随着无人机技术的发展与成熟，搭载不同传感器的无人机遥感技术可以按需获取高时空分辨率的遥感数据，为果园的大面积、高精度估产提供了可能。

近年来，各种目标检测算法层出不穷，深度学习技术逐渐替代传统的计算机视觉技术，在精度和实时性上都有了很大的提升，为智慧果园的产量统计提供了可能。

现有的果实计数方法有很多，但都存在以下弊端：

1、由于无人机拍摄高度，导致荔枝果实目标较小，而小目标特征少，因此，小目标检测一直是目标检测中的难题。图二为训练集、验证集和测试集统计的荔枝果实尺寸热图，从图中可以看出荔枝果实尺寸集中在12像素×12像素，属于小目标检测范围。

2、目前已有的果实计数方法在无遮挡条件下的计数精度较高，对于密集、重叠、遮挡程度较高的果实无法进行有效的统计，在产量统计上会造成较大的偏差。

3、荔枝果实落果严重，现有的估产算法很容易将落果作为产量的一部分，导致估产存在较大的误差。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种无人机遥感图像的荔枝果实检测与计数方法，借助无人机获取遥感图像，能够按需获取高时空分辨率的遥感数据，且能够解决大面积作业问题。首先进行树冠分割，尽在树冠区域进行果实目标检测，避免落果的错误计入，然后借助荔枝果实检测模型，融合超分辨率操作，以提高目标密集区域的分辨率，并在超分图像上检测密集果实，使得密集果实区域目标的检测性能有了显著的提升，既提高了果实检测精度又避免了计算大幅度增加。

为实现上述目的，本发明所提供的技术方案为：无人机遥感图像的荔枝果实检测与计数方法，包括以下步骤：

S1、采集果园果实无人机遥感图像，构建图像数据库,并划分训练集Set_or、验证集Set_val和用于后续测试统计检测指标的测试集，且从训练集Set_or中挑选果实密集的图像进一步处理，构建超分图像训练集Set_SR；

S2、建立荔枝树冠分割模型，用图像数据库中的训练集Set_or和验证集Set_val对该荔枝树冠分割模型进行训练并验证，获取每棵荔枝树的树冠分割结果图；