基于烟草检测与聚类分析的烟草种植面积提取方法及系统与流程

本发明涉及图像处理，尤其涉及一种基于烟草检测与聚类分析的烟草种植面积提取方法及系统。

背景技术：

1、目前烟草检测常用以下方法：基于无人机影像的深度学习神经网络检测技术如yolov4目标检测模型、yolov3模型、ssd模型、faster-rcnn目标检测模型，应用到烟草品种识别和数量检测。现有烟草种植面积估算常用以下方：利用遥感影像提取烟草面积信息。但多是基于卫星或高空无人机遥感图像对大区域烟草种植面积进行提取研究，且没有结合株数检测进一步开展烟草种植密度的估算，导致对烟草种植面积检测的误差较大，不能满足日常统计的需求。

技术实现思路

1、本发明的目的是提供一种基于烟草检测与聚类分析的烟草种植面积提取方法及系统，以解决如何实现对烟草种植面积有效检测的技术问题。

2、本发明是采用以下技术方案实现的：基于烟草检测与聚类分析的烟草种植面积提取方法，包括如下步骤：

3、s1：获取烟草种植区域的航拍图像；

4、s2：通过yolov5s神经网络模型对无人机所获取的图像进行预处理；

5、s3：基于地物信息对预处理后的图像进行多尺度分割；

6、s4：对多尺度分割后的图像进行最近邻监督分类，并进行汇总和面积提取，实现烟草种植面积检测。

7、进一步的，步骤s1具体为：通过无人机拍摄烟草种植区域的图像，所述图像包含rgb三波段。

8、进一步的，步骤s2具体为：通过yolov5s神经网络模型检测出图像中烟草的行距与株距。

9、进一步的，所述yolov5s神经网络模型包括focus模块、conv模块、c3模块和spp模块，其中，

10、focus模块，用于对图像进行切片，并进行卷积处理，得到采样特征图；

11、conv模块，用于对特征图依次执行卷积层、归一化和激活函数处理；

12、c3模块，用于提高特征提取的能力；

13、spp模块，用于进行池化操作。

14、进一步的，所述地物信息包括颜色和形状。

15、进一步的，步骤s3具体为：通过像元的相似性进行像元分类，并经过多次迭代，最终得到多个不同尺度的图斑对象，在分割时，通过调整颜色和形状的权重比，从中选择边缘相对平滑、色彩识别准确的分割结果。

16、进一步的，步骤s4具体为：首先，按照rgb三个波段的光谱特征选择样本进行光谱训练，然后，对分割的破碎图斑根据训练好的光谱特征进行分类，最后，对分类结果进行汇总和面积提取：

17、s＝n株数×d株距×d行距×(1-β)；

18、其中，s为所选区域估算面积，n株数为烟草数量，d株距为烟草株距，d行距为烟草行距，β为误差系数。

19、基于烟草检测与聚类分析的烟草种植面积提取系统，包括无人机和yolov5s神经网络模块，通过无人机获取烟草种植区域的航拍图像；通过yolov5s神经网络模块对无人机所获取的图像进行预处理，并基于地物信息对预处理后的图像进行多尺度分割，对多尺度分割后的图像进行最近邻监督分类，并进行汇总和面积提取，实现烟草种植面积检测。

20、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现上述所述的基于烟草检测与聚类分析的烟草种植面积提取方法。

21、一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的基于烟草检测与聚类分析的烟草种植面积提取方法。

22、本发明的有益效果在于：本发明根据低空无人机图像，利用yolov5s神经网络模型预测出烟草的行距、株距，再通过多尺度分割以及最邻近监督分类法，最终实现对烟草种植面积的有效检测。

技术特征：

1.基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，步骤s1具体为：通过无人机拍摄烟草种植区域的图像，所述图像包含rgb三波段。

3.如权利要求1所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，步骤s2具体为：通过yolov5s神经网络模型检测出图像中烟草的行距与株距。

4.如权利要求3所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，所述yolov5s神经网络模型包括focus模块、conv模块、c3模块和spp模块，其中，

5.如权利要求1所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，所述地物信息包括颜色和形状。

6.如权利要求5所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，步骤s3具体为：通过像元的相似性进行像元分类，并经过多次迭代，最终得到多个不同尺度的图斑对象，在分割时，通过调整颜色和形状的权重比，从中选择边缘相对平滑、色彩识别准确的分割结果。

7.如权利要求6所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，步骤s4具体为：首先，按照rgb三个波段的光谱特征选择样本进行光谱训练，然后，对分割的破碎图斑根据训练好的光谱特征进行分类，最后，对分类结果进行汇总和面积提取：

8.基于烟草检测与聚类分析的烟草种植面积提取系统，用以实现权利要求1～7任意一项所述的基于烟草检测与聚类分析的烟草种植面积提取方法，其特征在于，包括无人机和yolov5s神经网络模块，通过无人机获取烟草种植区域的航拍图像；通过yolov5s神经网络模块对无人机所获取的图像进行预处理，并基于地物信息对预处理后的图像进行多尺度分割，对多尺度分割后的图像进行最近邻监督分类，并进行汇总和面积提取，实现烟草种植面积检测。

9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1～7任意一项所述的基于烟草检测与聚类分析的烟草种植面积提取方法。

10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1～7任意一项所述的基于烟草检测与聚类分析的烟草种植面积提取方法。

技术总结
本发明公开了一种基于烟草检测与聚类分析的烟草种植面积提取方法及系统，该方法包括如下步骤：S1：获取烟草种植区域的航拍图像；S2：通过YOLOv5s神经网络模型对无人机所获取的图像进行预处理；S3：基于地物信息对预处理后的图像进行多尺度分割；S4：对多尺度分割后的图像进行最近邻监督分类，并进行汇总和面积提取，实现烟草种植面积检测。本发明根据低空无人机图像，利用YOLOv5s神经网络模型预测出烟草的行距、株距，再通过多尺度分割以及最邻近监督分类法，最终实现对烟草种植面积的有效检测。

技术研发人员：何正川,阳苇丽,杨龙年,杜卫民,刘海兵,齐琳,胡刚,李斌,谢云波,曹新彬,刘永建,鲁黎明,罗旭,简思春
受保护的技术使用者：四川省烟草公司达州市公司
技术研发日：
技术公布日：2024/2/6