[发明专利]一种基于深度学习技术的果树统计方法

说明书

本发明公开一种基于深度学习技术的果树统计方法，包括以下步骤：获取待统计区域的卫星遥感图像；在卫星遥感图像上，分别选择若干个训练样本子区域和若干个测试样本子区域；针对训练样本子区域，采用双线性插值方法对图像进行采样；采用随机裁剪方法对其区域进行裁剪，作为深度学习模型的训练样本；对图像中的果树进行矩形框标注，输入到深度学习模型进行训练，得到果树目标检测模型；针对测试样本子区域，先采样后划分，构建测试样本集；将测试图像送进果树目标检测模型进行预测，得到每个图像中果树的边框坐标；将预测的边框进行非极大值抑制方法，消除重复预测的边界框；统计合并后的标注文件的行数，得到区域的果树数量。

技术领域

本发明涉及树木统计方法，具体涉及一种基于深度学习技术的果树统计方法。

背景技术

果树数量的统计有利于为政府科学地指导农业生产，而现有的树木统计中，有应用比较前沿的深度学习技术，例如：对使用深度学习技术通过无人机拍摄的遥感图像中的树木进行统计方法做了系统阐述，统计方法分为了模型训练与实时测量统计两个部分，模型训练部分中首先进行图像采集，接着进行图像中树木的标注，最后使用深度学习技术进行训练得到模型；实时测量部分是使用无人机对区域树木进行实时地图像获取，同时将图像信息传入模型进行树木数量的统计；还有，利用深度学习技术，在SSD神经网络原模型的基础上进行改进，首先进行采集无人机拍摄的环境图像，将图像输入预先训练好的用于识别树木的神经网络模型中进行预测。

然而在这些研究中，研究者使用的是无人机拍摄的遥感图像进行模型的搭建，无人机拍摄的图像覆盖区域小，一张图像不能够一次性覆盖大面积区域；由无人机遥感图像训练出来的模型在进行实地预测时，只有在搭建模型时无人机飞行的高度上拍摄图片才能获取最好的预测效果，并且小范围的树木统计并不能提供有效的生产指导。

发明内容

本发明的目的在于克服上述存在的问题，提供一种基于深度学习技术的果树统计方法，该果树统计方法通过获取卫星遥感图像对大范围区域的果树进行统计，可以更好地为生产指导提供辅助。

本发明的目的通过以下技术方案实现：

一种基于深度学习技术的果树统计方法，包括以下步骤：

获取待统计区域的卫星遥感图像；

在卫星遥感图像上，分别选择若干个训练样本子区域和若干个测试样本子区域；

针对训练样本子区域，采用双线性插值方法对图像进行采样，再采用非局部均值滤波对插值后的图像进行去噪；采用随机裁剪方法对其区域进行裁剪，作为深度学习模型的训练样本；通过labelImg软件对图像中的果树进行矩形框标注；将训练样本集与对应的标注集，通过深度学习模型使用迭代训练的方式进行训练，得到果树目标检测模型；

针对测试样本子区域，先采样后划分，构建测试样本集；

将测试图像送进果树目标检测模型进行预测，得到每个图像中果树的边框坐标；

完成测试集中所有图像的预测后，将得到的每个相对于子图像的边框坐标转换为相对整个研究区域影像的边框坐标，并使用非极大值抑制方法去除同一棵果树被重复检测的情况；

在整个图像的标注文件中，每一行代表一棵树的矩形坐标，统计行数即完成区域果树统计。

本发明的一个优选方案，其中，对每块子区域进行采样，将图片上采样到2400×2400像素；这样将果树的目标放大，可以更好提高识别效果。

本发明的一个优选方案，其中，对于放大后的每块子区域，采用随机裁剪方法，从6个2400×2400区域的像素区域中生成6000个640×640像素的图像，每个图像包含10棵果树，作为深度学习模型的训练样本。

本发明的一个优选方案，其中，通过双线性插值利用与坐标轴平行的直线去把小数坐标分解到相邻的四个整数坐标点，赋予不同的权重进行计算；具体为：