[发明专利]一种土壤翻耕状态的检测方法、装置、设备及存储介质

权利要求书

1.一种土壤翻耕状态的检测方法，其特征在于，包括：

获取目标土壤区域内的至少一张土壤图片；

识别所述土壤图片中包括的至少一个土块，以及各土块的土块尺寸；

根据所述土壤图片中至少一个尺寸等级的土块数量，确定与所述目标土壤区域对应的土壤翻耕状态。

2.根据权利要求1所述的方法，其特征在于，识别所述土壤图片中包括的至少一个土块，以及各土块的土块尺寸，包括：

将所述土壤图片输入至预先训练的土块识别模型中，并获取所述土块识别模型中输出的所述土壤图片中包括的至少一个土块，以及各土块的土块尺寸。

3.根据权利要求2所述的方法，其特征在于，在获取目标土壤区域内的至少一张土壤图片之前，还包括：

获取翻耕后的多张土壤样本图片，其中，所述土壤样本图片中预先标注有至少一个土块的位置标注坐标以及土块尺寸等级；

将所述多张土壤样本图片划分为训练数据集和测试数据集；

使用所述训练数据集和测试数据集对神经网络模型进行迭代训练，得到所述土块识别模型。

4.根据权利要求3所述的方法，其特征在于，在使用所述训练数据集和测试数据集对神经网络模型进行迭代训练之前，还包括：

加载COCO数据集中与土壤图片匹配的预权重，对所述神经网络模型进行预设置。

5.根据权利要求3所述的方法，其特征在于，使用所述训练数据集和测试数据集对神经网络模型进行迭代训练，得到所述土块识别模型，包括：

将所述训练数据集划分为多个训练数据分组，并依次获取一个所述训练数据分组；

将所述训练数据分组中的各土壤样本图片分别输入至所述神经网络模型中，对所述神经网络模型进行训练；

其中，所述神经网络模型根据模型输出结果中的土块识别位置坐标，与输入的土壤样本图片中的位置标注坐标之间的距离损失函数，利用随机梯度下降法调整所述神经网络模型的参数；

将所述测试数据集中的各土壤样本图片分别输入至训练后的所述神经网络模型，并计算识别准确率；

如果所述计算识别准确率不满足预设的准确率要求，则返回执行依次获取一个所述训练数据分组的操作，直至训练后的神经网络模型满足准确率要求。

6.根据权利要求3所述的方法，其特征在于，所述神经网络模型为基于MobileNet模型以及YOLOV3算法构建的卷积神经网络模型。

7.根据权利要求1所述的方法，其特征在于，根据所述土壤图片中至少一个尺寸等级的土块数量，确定与所述目标土壤区域对应的土壤翻耕状态，包括：

判断所述土壤图片中至少一个预设尺寸等级的土块数量是否大于预设阈值；

如果是，则确定与所述目标土壤区域对应的土壤翻耕状态不合格；

如果否，则确定与所述目标土壤区域对应的土壤翻耕状态合格。

8.根据权利要求2所述的方法，其特征在于，所述方法由移动视觉设备执行，且所述移动视觉设备中预先部署所述土块识别模型；

获取目标土壤区域内的至少一张土壤图片，包括：

获取所述移动视觉设备采集的目标土壤区域内的土壤视频，并获取所述土壤视频的至少一个视频帧，作为所述土壤图片。

9.一种土壤翻耕状态的检测装置，其特征在于，包括：

土壤图片获取模块，用于获取目标土壤区域内的至少一张土壤图片；

土块识别模块，用于识别所述土壤图片中包括的至少一个土块，以及各土块的土块尺寸；

土壤翻耕状态确定模块，用于根据所述土壤图片中至少一个尺寸等级的土块数量，确定与所述目标土壤区域对应的土壤翻耕状态。

10.一种计算设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的土壤翻耕状态的检测方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的土壤翻耕状态的检测方法。