[发明专利]基于遥感图像的农作物干旱检测方法

说明书

本发明公开一种基于遥感图像的农作物干旱检测方法，构建干旱检测神经网络模型对农作物干旱区域进行大范围检测，以有效预防农作物干旱，为实现精准灌溉提供可靠的数据支持；在特征图提取模块用ResNet50作为主干网络提取特征图；在Enconder模块中设计一种多尺度注意力池化模块，采用多尺度空洞卷积的方式获取多尺度的上下文信息，再融合CBAM注意力机制将网络的关注重点放在目标的干旱区域，提高特征的提取效果。最后，Deconder部分将低层次特征图和Enconder模块的多尺度高层次干旱特征图进行有效融合，最终采用反卷积的方式实现了土地干旱区域的有效检测，优化农作物干旱边界的识别效果。

技术领域

本发明属于农作物干旱检测领域，具体涉及一种对农作物的遥感图像进行语义分割的干旱检测方法。

背景技术

自进入21世纪以来，世界范围的粮食危机逐渐加剧，干旱、洪涝等自然灾害严重影响了我国的粮食安全。据统计，全球每年因干旱所造成的经济损失约为60-80亿美元，远超其他自然灾害，干旱作为影响农作物生长的关键要素，严重影响农作物的正常生长发育，所以对农作物干旱的有效检测对提升防灾减灾水平至关重要。

目前，干旱检测主要是采用物联网系统加装各类传感器设备的方式，实现对农作物生长环境的监控。这类方法很难在大范围的农田使用，会大大增加设备的成本，并且在室外环境中物联网设备往往不能长时间的稳定运行，具有一定的局限性。公开号为【CN108765906A】的发明专利公开一种农业干旱监测与预警预报方法，利用现有农田里的信号塔和电线杆，设置多个检测分点，并且划分区域，每个区域内包括多个检测分点，在每个区域内都设置一个收集检测分点检测数据的总站，每个检测分点都包括空气温湿度检测单元、土壤湿度检测单元、土壤pH值检测单元、风速检测单元以及图片拍摄单元。通过设置多个分点检测区域内空气、土壤和农作物的状况，并且与此区域内降水量、地下水开采状况以及此区域内气候和环境状况进行对比整理，找出干旱原因并且提前报警，防止干旱。

考虑到成本的问题，传统的农作物干旱检测方式很难在大范围的农田使用，并且在室外环境中设备往往不能长时间的稳定运行；针对于上述这种情况，以遥感图像作为数据集、扩大干旱检测的范围以及对干旱边界分割的精确性受到了越来越多的重视。但是，对于农田农作物干旱情况而言，干旱农作物在农田中的分布往往是不规则的，所分割出来的图像往往掺杂着部分背景图像，无法精确的分割出农作物干旱边界。传统方法网络结构单一固定，对于大范围且较为复杂的干旱农田图像的分割效果较差，难以对农作物干旱实现精确有效的检测。故而，亟待提出一种在改进的网络架构以解决上述问题，实现大范围农作物干旱的可靠检测。

发明内容

本发明针对传统采用物联网系统加装各类传感器设备的方式进行农作物干旱检测所存在的缺陷，提出一种基于遥感图像的农作物干旱检测方法，以有效提高农作物干旱边界的识别效果。

本发明是采用以下的技术方案实现的：一种基于遥感图像的农作物干旱检测方法，包括以下步骤：

步骤A、构建干旱检测神经网络模型，并对其进行训练，所述干旱检测神经网络模型包括特征图提取模块、Enconder模块和Deconder模块，确定最终的干旱检测神经网络模型；

步骤B、基于训练好的干旱检测神经网络模型对农作物干旱区域进行检测，具体包括以下步骤：

步骤B1、基于特征图提取模块提取农作物干旱区域遥感图像的低层次特征图；

步骤B2、基于Enconder模块采用多尺度空洞卷积来获取遥感图像的多尺度的上下文信息提取多尺度高层次特征图，再融合CBAM注意力机制将网络的关注点重点放在目标干旱区域，得到多尺度高层次干旱特征图，提高干旱特征的提取效果；

步骤B3、Deconder模块将低层次特征图和Enconder模块提取的多尺度高层次干旱特征图进行有效融合，采用反卷积的方式还原检测到的干旱区域，实现对干旱区域的检测。