[发明专利]一种基于图像算法与深度学习相结合的作业轨迹面积计算方案规划方法

说明书

本发明公开了一种基于图像算法与深度学习相结合的作业轨迹面积计算方案规划方法，该方法包括如下步骤：步骤1，利用北斗终端设备采集农机行驶轨迹；步骤2，对农机行驶轨迹进行去重、抽稀、分段、过滤的预处理操作；步骤3，将大于阈值尺寸的预处理轨迹以固定矩形进行轨迹分割，获得多条子轨迹；步骤4，基于子轨迹以等经纬度投影生成子轨迹灰度图像；步骤5，依据对大部分作业轨迹的宽幅、地块最小宽度的统计，选择合适的膨胀腐蚀像素大小，通过形态学图像处理算法对子轨迹灰度图像进行作业地块的边界提取；步骤6，通过像素边界反推原坐标系的经纬度坐标，并转换为有孔几何进行农机作业地块的一阶段面积计算；步骤7，依据提取的像素边界截取边界内的轨迹生成地块灰度图；步骤8，将地块灰度图输入地块分类模型，获得对图像以地块、噪点、路段、漂移为分类类别的分类结果；步骤9，剔除一阶段面积中非地块类型的面积，即为二阶段面积。

技术领域

本发明属于农业信息技术领域，特别涉及一种基于图像算法和深度学习相结合的作业轨迹面积计算方案规划方法。

技术背景

随着农业机械化程度的不断提高，如何快速、准确地测量农田作业面积成为农业生产中不可或缺的任务之一。基于传统测量方法的缺陷，如工作效率低、误差较大、占用大量人力物力等问题，基于农机行驶轨迹的图像算法成为一种新型的测量方式。该算法基于农机行驶轨迹的图像数据，通过对图像的分析处理，提取农机作业地块，通过图像分类筛选作业地块，进而计算出作业面积。该技术基于数字图像处理的形态学算法和深度学习的图像分类模型，通过对轨迹数据进行分析处理，提取出作业区域的边界，再输入于地块分类模型获取地块类别，从而实现作业面积的自动计算流程。该技术的应用不仅可以提高作业面积计算的精度和效率，同时还可以反向推动农机机手作业路线的规范化、减少农药和肥料的浪费、提高资源利用率等。因此，基于农机行驶轨迹的作业面积计算技术已逐渐成为农业信息化和智能化发展的重要领域之一，在现代化农业生产中得到了广泛应用。

发明内容

本发明提供一种基于图像算法和深度学习相结合的作业轨迹面积计算方案规划方法，目的在于解决现有农机作业面积计算精度低、效率低、不具备普适性、人工审核成本高等问题，提供一种能够快速准确识别作业地块，并对其作业地块进行面积精确计算的方法。

本发明的实现步骤如下：

(1)利用北斗终端设备采集农机行驶轨迹，上发给数据接收服务，进行定位终端采集数据的存储；

(2)农机行驶轨迹预处理包括去重、抽稀、分段、过滤四步骤，分别来进行去除相邻且重复的经纬度数据；在不改变原始轨迹形状的前提下保留最少轨迹点；以相隔较远的轨迹点进行轨迹分段；过滤分段轨迹中轨迹点过少、过密，分段频数过高的情况；

(3)地理位置跨度较大的预处理轨迹需要通过预定好的矩形几何进行轨迹的分割，通过几何算法生成多条子轨迹；

(4)基于子轨迹生成子轨迹灰度图像，使用的投影坐标系为等经纬度投影坐标系，在之后的像素坐标与经纬度坐标转换上会更加简便和精确；

(5)依据对大部分作业轨迹的宽幅、地块最小宽度的统计，选择合适的膨胀腐蚀像素大小，通过形态学图像处理算法对子轨迹灰度图像进行作业地块的像素边界提取；

(6)通过像素边界反推原坐标系的经纬度坐标，根据像素边界的节点结构转换为有孔多边形，投影坐标系选择等积投影进行农机作业地块的一阶段面积计算；

(7)依据步骤5中提取的像素边界截取边界内的轨迹生成固定大小的地块灰度图；

(8)将地块灰度图输入地块分类模型，获得对图像以地块、噪点、路段、漂移为分类类别的分类结果；

(9)剔除一阶段面积中非地块类型的面积，基于一阶段面积计算进行二阶段面积计算；

本发明与现有技术相比的优点在于：