[发明专利]一种多植被区域碳汇计算方法、装置及电子设备

权利要求书

1.一种多植被区域碳汇计算方法，其特征在于，所述方法包括：

获取待计算植被区域的至少两张图像；

基于所述至少两张图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图；

基于所述俯视图，利用预设图像分割算法，对所述待计算植被区域进行划分处理，得到草本区域和森林区域；

基于所述草本区域和所述森林区域，计算所述待计算区域的碳汇量。

2.根据权利要求1所述的方法，其特征在于，获取待计算植被区域的至少两张图像，包括：

判断预设飞行器是否进入所述待计算植被区域；

当所述预设飞行器进入所述待计算植被区域，获取所述预设飞行器的姿态数据；

基于所述姿态数据，调节所述预设飞行器中预设图像传感器相对所述待计算植被区域的法线角度；

利用调整后的所述预设图像传感器获取所述待计算植被区域的所述至少两张图像。

3.根据权利要求1所述的方法，其特征在于，基于所述至少两张图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图，包括：

获取预设单应矩阵；

基于所述预设单应矩阵，对所述至少两张图像的像素点进行匹配，得到匹配信息；

基于所述匹配信息，对所述至少两张图像进行去重处理，得到至少两张预设图像；

基于所述至少两张预设图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图。

4.根据权利要求1所述的方法，其特征在于，基于所述俯视图，利用预设图像分割算法，对所述待计算植被区域进行划分处理，得到草本区域和森林区域，包括：

获取损失函数；

将所述俯视图输入预设基于深度学习的神经网络进行双分支特征提取，生成特征数据；

基于所述损失函数，利用双分支特征提取方法对所述特征数据进行处理，得到图像损失数据；

基于所述图像损失数据，对所述俯视图进行双分支合并解码，得到所述待计算植被区域对应的所述草本区域和所述森林区域。

5.根据权利要求4所述的方法，其特征在于，所述预设基于深度学习的神经网络为全卷积神经网络，所述损失函数为带权重的交叉熵损失函数。

6.根据权利要求2所述的方法，其特征在于，基于所述草本区域和所述森林区域，计算所述待计算区域的碳汇量，包括：

根据所述飞行器的飞行参数、所述草本区域和所述森林区域，计算所述草本区域对应的第一面积和所述森林区域对应的第二面积；

获取草本年均单位面积碳汇速率和森林年均单位面积碳汇速率；

基于所述第一面积和所述草本年均单位面积碳汇速率计算所述草本区域对应的草本碳汇量；

基于所述第二面积和所述森林年均单位面积碳汇速率计算所述森林区域对应的森林碳汇量；

基于所述草本碳汇量和所述森林碳汇量确定所述待计算区域的碳汇量。

7.一种多植被区域碳汇计算装置，其特征在于，所述装置包括：

获取模块，用于获取待计算植被区域的至少两张图像；

处理模块，用于基于所述至少两张图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图；

划分模块，用于基于所述俯视图，利用预设图像分割算法，对所述待计算植被区域进行划分处理，得到草本区域和森林区域；

计算模块，用于基于所述草本区域和所述森林区域，计算所述待计算区域的碳汇量。

8.根据权利要求7所述的装置，其特征在于，所述获取模块，包括：

判断子模块，用于判断预设飞行器是否进入所述待计算植被区域；

第一获取子模块，用于当所述预设飞行器进入所述待计算植被区域，获取所述预设飞行器的姿态数据；

调节子模块，用于基于所述姿态数据，调节所述预设飞行器中预设图像传感器相对所述待计算植被区域的法线角度；

第二获取子模块，用于利用调整后的所述预设图像传感器获取所述待计算植被区域的所述至少两张图像。