[发明专利]基于深度学习图像分割的小麦植株实时计数方法

摘要

本发明公开了一种基于深度学习图像分割的小麦植株实时计数方法，包括步骤：通过无人机采集多张小麦图像，所述图像为三维张量，包括图像高度、图像宽度和波段数，与所述图像对应的头文件中包括经度坐标、纬度坐标和拍摄高度；所述无机人中包括深度学习模块，实时对采集的所述小麦图像进行深度学习模型处理，预测相幅范围内的小麦植株数量，对小麦植株数目的空间分布进行插值形成目标区域的植株数目分布图。本发明使用无人机遥感与计算机视觉目标识别的集成技术，基于深度学习算法对小麦植株数目的空间分布进行实时监测，能够准确识别和定位小麦植株并计算其数目。

主权项

1.一种基于深度学习图像分割的小麦植株实时计数方法，其特征在于，包括步骤：/n通过无人机采集多张小麦图像，所述图像为三维张量，包括图像高度、图像宽度和波段数，与所述图像对应的头文件中包括经度坐标、纬度坐标和拍摄高度；/n所述无机人中包括深度学习模块，实时对采集的所述小麦图像进行深度学习模型处理，预测相幅范围内的小麦植株数量，对小麦植株数目的空间分布进行插值形成目标区域的植株数目分布图，包括：/n对采集的每一张小麦图像进行预处理和标注；/n将进行标注后的多张所述小麦图像构建数据集，将所述数据集分为训练集与测试集；/n通过用于图像语义分割的LINKNET卷积神经网络对所述训练集进行训练，得到深度学习模型；/n将所述测试集输入到所述深度学习模型中，通过LINKNET卷积神经网络中的编码器提取所述测试集中每张小麦图像的语义特征；/n通过LINKNET卷积神经网络中的解码器将所述语义特征分割出具有小麦植株轮廓的灰度热力图，所述灰度热力图即为分割结果，所述灰度热力图的尺寸与采集的小麦图像尺寸相同，在所述灰度热力图中任一像素的值代表深度学习模型预测该位置物体所属的语义类别：0代表背景，1代表小麦植株，统计语义列别为1所有属于小麦植株的像素总数；/n按照以下方法预测相幅范围内的小麦植株数量：/nQ＝A/B，/n其中Q为相幅范围内的小麦植株数量，A为所有属于小麦植株的像素总数，B为当前拍摄高度下每一株小麦植株的经验参数、即每一株小麦植株的像素数目；/n根据经度坐标、维度坐标对小麦植株数目的空间分布进行插值形成目标区域的植株数目分布图。/n