[发明专利]一种树木的检测方法、装置、电子设备及存储介质

说明书

本申请提供了一种树木的检测方法、装置、电子设备及存储介质，确定方法包括：将全景树木图像输入训练好的叶片密度识别模型，确定全景树木图像的树木叶片密度图；基于树木叶片密度图确定随机游走的起始采样点，以起始采样点进行随机游走，当获取到的采样点的数量达到预设阈值时，采集下一个采样点作为目标采样点；基于每轮随机游走对应的任意两个采样点的最大密度差和目标采样点的密度值，确定该轮随机游走对应的轮廓点；基于各轮随机游走时产生的轮廓点，确定目标树木图像中目标树木的轮廓。本申请通过目标树木的轮廓点来确定目标树木轮廓，这样能够明显的区分出目标树木图像区域和背景图像区域之间的边界，提高了目标树木检测的准确率。

技术领域

本申请涉及树木信检测技术领域，尤其是涉及一种树木的检测方法、装置、电子设备及存储介质。

背景技术

树木是森林中的基本构成单元，且对于森林中树木的检测是管理森林过程中的重要组成部分之一，且树木的单株检测是后续对森林中树木的信息提取、病害控制以及花量统计等后续功能的基础。

现有技术中，对于森林中树木的检测方法通常为使用激光雷达的果树检测以及基于图像的果树检测，且使用激光雷达的果树检测方式成本偏高，且基于图像的检测方式无法明显的区别树木和背景的边界，导致无法准确的确定检测对象，降低检测的准确率。

发明内容

有鉴于此，本申请的目的在于提供一种树木的检测方法、装置电子设备及存储介质，本申请通过目标树木的轮廓点来确定目标树木轮廓，这样能够明显的区分出目标树木图像区域和背景图像区域之间的边界，提高了目标树木检测的准确率。

本申请实施例提供了一种树木的检测方法，所述检测方法包括：

获取待检测区域中的全景树木图像；所述全景树木图像包括目标树木图像区域和带有其他树木的背景图像区域；

将所述全景树木图像输入训练好的叶片密度识别模型，确定所述全景树木图像的树木叶片密度图；

基于所述树木叶片密度图确定随机游走的起始采样点，以所述起始采样点作为起点进行随机游走，当随机游走获取到的采样点的数量达到预设阈值时，采集下一个采样点作为目标采样点；

基于每轮随机游走对应的任意两个采样点的最大密度差和所述目标采样点的密度值，确定该轮随机游走对应的所述目标树木的轮廓点；

当所述随机游走的游走轮数达到预设轮数时，基于各轮随机游走时产生的所述轮廓点，确定所述全景树木图像中所述目标树木的轮廓，以完成对所述目标树木的检测。

进一步的，通过以下方式确定每轮随机游走对应的任意两个采样点的最大密度差：

确定每轮随机游走对应的任意两个采样点的密度差，并将多个所述密度差中的最大值确定为任意两个所述采样点的最大密度差；

其中，该任意两个采样点之间的距离满足预设采样间距。

进一步的，所述基于每轮随机游走对应的任意两个采样点的最大密度差和所述目标采样点的密度值，确定该轮随机游走对应的所述目标树木的轮廓点，包括：

在每轮随机游走下，判断目标采样点的密度值与背景预设密度值之间的大小关系；

若所述目标采样点的密度值小于背景预设密度值，则确定该轮随机游走的当前采样点为该轮随机游走对应的轮廓点。

进一步的，所述基于每轮随机游走对应的任意两个采样点的最大密度差和所述目标采样点的密度值，确定该轮随机游走对应的轮廓点，还包括：

在每轮随机游走下，判断目标采样点的密度值与采样点的最大密度值之间的差值是否大于所述最大密度差；

若是，则确定该轮随机游走的当前采样点为该轮随机游走对应的轮廓点。