[发明专利]一种基于无人机图像及深度学习的小麦倒伏面积估算方法

权利要求书

1.一种基于无人机图像及深度学习的小麦倒伏面积估算方法，其特征在于：该方法包括下列顺序的步骤：

(1)通过无人机采集麦田图像；

(2)对采集的麦田图像进行预处理；

(3)对预处理后的麦田图像进行数据增强；

(4)经过数据增强后的数据组成数据集，将数据集按照7：2：1划分为训练集、验证集和测试集；

(5)使用Mask R-CNN模型构建用于小麦倒伏分割的深度学习模型，对Mask R-CNN模型进行改进，采用训练集训练改进后的Mask R-CNN模型，得到训练好的Mask R-CNN模型；

(6)采用测试集对训练好的Mask R-CNN模型进行测试，采用评价指标对训练好的MaskR-CNN模型进行评价，根据评价结果对训练好的Mask R-CNN模型的训练参数进行调整，得到最佳Mask R-CNN模型；

(7)将待评估的麦田图像输入最佳Mask R-CNN模型，最佳Mask R-CNN模型输出小麦倒伏的像素点个数；

(8)基于小麦倒伏的像素点个数和标定区计算出来的单个像素代表的实际面积，得到小麦倒伏实际面积的估算结果。

2.根据权利要求1所述的基于无人机图像及深度学习的小麦倒伏面积估算方法，其特征在于：所述步骤(2)具体包括以下步骤：

(2a)随机裁剪：将每张麦田图像随机裁剪成至少25张800*800像素的大小；

(2b)筛选图像：将经随机裁剪得到的图像进行筛选，去除不含有麦田倒伏的图像；

(2c)进行标注：使用labelme工具将小麦倒伏区域进行标注，通过将待标注区域逐一描点，将边缘处的点连成线最终形成闭环得到标注图像信息，生成json文件；将倒伏区域标注为前景，用1表示，将倒伏区域之外的其他区域标注为背景，用0表示，作为分割训练或评价的标签。

3.根据权利要求1所述的基于无人机图像及深度学习的小麦倒伏面积估算方法，其特征在于：所述步骤(3)具体包括以下步骤：

(3a)亮度平衡：进行亮度转换，消除由于田间环境光照变化和传感器差异引起的亮度偏差；

(3b)对比度变换：提高图像的对比度；

(3c)高斯滤波：对图像添加高斯滤波进行模糊处理；

(3d)几何变换：对图像进行翻转和缩放。

4.根据权利要求1所述的基于无人机图像及深度学习的小麦倒伏面积估算方法，其特征在于：在步骤(5)中，所述Mask R-CNN模型包括用于提取输入图像特征图的主干网络、区域建议网络、感兴趣区域对齐层和区域卷积神经网络，Mask R-CNN模型采用残差网络和特征金字塔作为主干网络的提取特征，主干网络输出特征图至区域建议网络，区域建议网络生成感兴趣区域，提出候选对象边界框，感兴趣区域对齐层将感兴趣区域和主干网络输出的特征图进行匹配，完成特征图特征聚集并池化为固定大小，再经过全连接层输出到区域卷积神经网络中，区域卷积神经网络包括第一分支、第二分支和第三分支，所述第一分支通过softmax分类器实现小麦倒伏的分类，第二个分支经过边界框回归器实现更精确的目标定位；第三个分支通过全卷积网络完成对小麦倒伏的轮廓分割，并生成掩膜，最后将各个分支输出信息综合，得到包含类别、定位边界框和分割掩膜的图像；

所述对Mask R-CNN模型进行改进具体是指：

(5a)对区域建议网络进行改进：将区域建议网络的3种尺度和3个长宽比，共计9种不同的目标框，增加64×64尺度，以此生成4×3种锚框；

(5b)对特征金字塔网络进行改进：将Mask R-CNN模型自下向上将低层的空间特征传递上去，缩短信息传递路径。