[发明专利]一种稻虾种养系统沟坑占比航测方法

说明书

本发明公开了一种稻虾种养系统沟坑占比航测方法，包括步骤：利用无人机获取稻虾种养系统的正射影像图；构建沟坑识别样本集和沟坑类型识别样本集；训练沟坑识别模型和沟坑类型识别模型；对待测稻虾种养系统进行沟坑识别，并对沟坑类型进行识别；提取沟坑区域，计算沟坑占比。本发明利用图像处理技术实现了沟坑占比测量和沟坑类型统计，解决了由于稻虾种养系统沟坑形状复杂多元且不规则导致的实地量测耗时费力以及偏差大、分类计算难以开展的问题。

技术领域

本发明属于无人机航测技术领域，具体涉及一种稻虾种养系统沟坑占比航测方法。

背景技术

稻虾综合种养是指充分利用稻田水土资源进行水稻种植和克氏原螯虾养殖的低碳绿色生产模式，由于其较高的综合效益，稻虾综合种养总面积近年来得到快速增长。稻虾综合种养区别于传统稻作最显著的特征是需要在稻田中开挖沟坑，用于为克氏原螯虾提供繁殖、暂养和栖息地。

为尽可能减少稻虾综合种养对水稻生产的影响，沟坑占比须要不超过10％。然而，经调研发现，一些地区种养户盲目扩大稻虾种养系统的沟坑占比，致使“种”“养”天平失衡、重心偏移，不仅较大比例占用、破损了耕地资源，也直接威胁到正常的粮食生产。

为保障粮食生产和耕地资源不被破坏，需要对稻虾综合种养的沟坑占比进行监测以规范生产。然而目前，稻虾种养系统沟坑占比量测长期靠人工目测和简易设备现场进行，单日量测效率低，由于稻虾种养系统沟坑形状繁杂多元、不规则，存在实地量测耗时费力、偏差大、分类计算难以开展的技术瓶颈问题。

发明内容

本发明针对现有技术中的不足，提供一种稻虾种养系统沟坑占比航测方法，以解决传统实地量测方法效率低、精度劣、误差大的问题。

为实现上述目的，本发明采用以下技术方案：

一种稻虾种养系统沟坑占比航测方法，包括以下步骤：

步骤1：利用无人机拍摄稻虾种养系统的全景影像，以获取全景影像数据；

步骤2：对全景影像数据进行预处理，生成整个稻虾种养系统的正射影像图；

步骤3：将正射影像图裁剪为若干相同大小的图像样本，并将图像样本分为含有沟坑和不含有沟坑的两类，以构建沟坑识别样本集；对于含有沟坑的图像样本，将其按照沟坑类型分成多类，以构建沟坑类型识别样本集；

步骤4：利用沟坑识别样本集训练沟坑识别模型，并利用沟坑类型识别样本集训练沟坑类型识别模型；

步骤5：对于待测稻虾种养系统，将其正射影像图裁剪为和图像样本大小相同的若干待测图像，将待测图像逐一输入沟坑识别模型中以判断该待测图像是否含有沟坑，对于含有沟坑的待测图像，将其输入沟坑类型识别模型中进一步判断沟坑类型；

步骤6：对于含有沟坑的待测图像，分别获取其沟坑区域所占的像素数，并将各沟坑区域的像素数总和与待测稻虾种养系统正射影像图的像素数总和间的比值作为待测稻虾种养系统的沟坑占比。

进一步地，步骤1中，无人机的飞行高度为300米，图像获取方式为垂直获取，影像格式为RGB，飞行航线重复率为70％，航点重复率为65％，图像分辨率不小于2000万像素。

进一步地，步骤2中，将获取的全景影像数据导入Agisoft Photoscan软件中，进行图像的对齐和拼接以生成整个稻虾种养系统的正射影像图；在Agisoft Photoscan软件中，将图像对齐精度设置为Medium，点云密度设置为Low，空间三角形数量设置为Little，空间位置校准设置为RTK。

进一步地，步骤4中，对于沟坑识别样本集中的每个图像样本，提取其超绿特征、绿红差值指数、归一化绿度指数构成沟坑区域特征，用来训练随机森林二分类模型并将其作为沟坑识别模型；

超绿特征的计算公式为：ExG＝2G-R-B，