一种基于无人机图像的草地鼠洞检测方法

本发明属于目标检测，特别是涉及一种基于无人机图像的草地鼠洞检测方法。

背景技术：

1、为了替代人工检测鼠洞，出现不少数字化检测鼠洞的方法。崔博超等人提出一种运用机器视觉结合无人机遥感图像对鼠害区域鼠洞进行识别定位的方法。该方法使用了yolov3-tiny网络识别大沙鼠鼠洞。该研究高效地监测了大沙鼠鼠洞的分布情况，弥补了传统方法监测鼠害时的不足，提高了监测大沙鼠鼠害的实时性、灵活性。

2、孙迪等人采用小型无人机作为低空遥感平台，获取研究区可见光航拍影像。采用极大似然法和面向对象分类方法提取鼠洞，通过混淆矩阵结合地面样方对分类结果进行精度评价。结果表明，uav低空遥感在黄兔尾鼠灾害调查中表现良好，具有很好的应用和推广价值。

3、周晓琳等人利用可见光波段无人机影像，研究并建立了面向对象的模板匹配法和支持向量机法的草地鼠洞自动识别方法。对2种方法的识别结果进行精度评价与分析，结果表明2种方法的总体精度均较高，适用于三江源区草原鼠洞的精准识别。

4、温阿敏等人采用无人机遥感技术对古尔班通古特沙漠南缘荒漠林的大沙鼠洞密度进行监测，探究大沙鼠鼠洞航空影像最佳解译方法，为快速解译低空遥感航拍鼠害数据提供解决途径。

5、但是现有的数字化检测方法多为机器学习及模型较大的深度学习模型，模型体积大，不利于部署在无人机设备上，检查时间较长，不利于实时检测。对于复杂草地背景的鼠洞检测效果不好，会将石块的阴影误识别为鼠洞，并且不能识别被杂草遮挡的鼠洞。因此，亟需提出一种基于无人机图像的草地鼠洞检测方法。

技术实现思路

1、本发明的目的是提供一种基于无人机图像的草地鼠洞检测方法，该方法可以精准的识别出草地鼠洞和被杂草遮挡的鼠洞，并且能够区分鼠洞与石块的阴影，实现精准识别。除此之外，本发明设计的检测模型体积小，适合部署在无人机设备上，以解决上述现有技术存在的问题。

2、为实现上述目的，本发明提供了一种基于无人机图像的草地鼠洞检测方法，包括以下步骤：

3、获取草地鼠洞图像；

4、基于上下文增强模块、tscode解耦头以及全维动态卷积对原始yolov5n模型进行改进，获得改进后的cto-yolov5n模型；

5、基于所述cto-yolov5n模型对所述草地鼠洞图像进行处理，获得鼠洞的位置信息。

6、可选地，获取草地鼠洞图像的过程包括：基于无人机在草地上对鼠洞进行拍摄，获得草地鼠洞图像。

7、可选地，基于上下文增强模块对yolov5n模型进行改进的过程包括：在原始yolov5n模型的特征加强层中，引入上下文增强模块。

8、可选地，基于tscode解耦头对yolov5n模型进行改进的过程包括：采用tscode解耦头替换原始yolov5n模型中的解耦头。

9、可选地，基于全维动态卷积对yolov5n模型进行改进的过程包括：采用全维动态卷积替换原始yolov5n模型中的c3模块的传统卷积。

10、可选地，基于所述cto-yolov5n模型对草地鼠洞图像进行处理的过程包括：将草地鼠洞图像输入到所述cto-yolov5n模型中，进行特征提取，然后对提取的特征进行加强融合，获得若干个特征图；对若干个特征图进行直接预测和融合预测，获得草地鼠洞图像中的鼠洞位置。

11、可选地，对草地鼠洞图像进行特征提取的过程包括：基于全维动态卷积对草地鼠洞图像进行特征提取，并对不同的特征进行动态调整。

12、可选地，所述全维动态卷积的卷积核维度包括：卷积核的空间维度、输入通道维度、输出通道维度以及卷积核的核维度。

13、可选地，对若干个特征图进行直接预测和融合预测的过程包括：基于tscode解耦头对若干个特征图分别进行预测，然后对若干个特征图融合后的特征图进行融合预测。

14、可选地，获得融合后的特征图的过程包括：基于上下文增强模块为每一个不同尺度的特征图分配一个可学习的权重参数并分别求积，将获得的若干个乘积进行求和处理，获得融合后的特征图。

15、本发明的技术效果为：

16、本发明在特征加强层引入上下文增强模块加强特征提取，提高模型对不同大小鼠洞的理解能力。同时，使用tscode解耦头代替原始yolov5n模型中的耦合头，用以解决分类和定位信息的互相影响。最后，使用全维动态卷积替换原始yolov5n模型中的c3模块中传统的卷积，提高模型对于图像不同特征的适应性和表达能力。

17、本发明提出的检测方法可以精准的识别出草地鼠洞以及被杂草遮挡的鼠洞，并且能够区分鼠洞与石块的阴影，实现鼠洞的精准识别。

18、本发明改进的yolov5n模型体积小，适合部署在无人机设备上。

技术特征：

1.一种基于无人机图像的草地鼠洞检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

3.根据权利要求1所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

4.根据权利要求1所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

5.根据权利要求1所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

6.根据权利要求1所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

7.根据权利要求6所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

8.根据权利要求7所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

9.根据权利要求6所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

10.根据权利要求9所述的基于无人机图像的草地鼠洞检测方法，其特征在于，

技术总结
本发明公开了一种基于无人机图像的草地鼠洞检测方法，包括以下步骤：获取草地鼠洞图像；基于上下文增强模块、Tscode解耦头以及全维动态卷积对原始YOLOv5n模型进行改进，获得改进后的CTO‑YOLOv5n模型；基于所述CTO‑YOLOv5n模型对所述草地鼠洞图像进行处理，获得鼠洞的位置信息。本发明提出的检测方法可以精准的识别出草地鼠洞以及被杂草遮挡的鼠洞，并且能够区分鼠洞与石块的阴影，实现鼠洞的精准识别。

技术研发人员：罗小玲,李朝,郜晓晶,白戈力,李慧旻
受保护的技术使用者：内蒙古农业大学
技术研发日：
技术公布日：2024/1/15