[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

说明书

本发明公开了一种土壤翻耕状态的检测方法、装置、设备及存储介质，该方法包括：获取目标土壤区域内的至少一张土壤图片；识别土壤图片中包括的至少一个土块，以及各土块的土块尺寸；根据土壤图片中至少一个尺寸等级的土块数量，确定与目标土壤区域对应的土壤翻耕状态。本发明实施例的技术方案解决了现有技术中土壤翻耕状态的检测方法自动化程度低的问题，能够快速地显示或告知用户土壤的翻耕状态，提高了翻耕状态检测的准确率。

技术领域

本发明实施例涉及图像识别与处理技术，尤其涉及一种土壤翻耕状态的检测方法、装置、设备及存储介质。

背景技术

翻耕是农业生产中一种重要的耕作方法，主要是指将土壤铲起、碾碎并翻转。翻耕有利于疏松土壤、存储雨水以及促进农作物的养分转化和根系伸展；另一方面，翻耕可以有效地将土壤表面的杂草、病菌、以及害虫等埋入深层土壤，提高农田的播种质量，抑制病、虫、杂草生长繁育。因此，结合目前自动化农业的发展趋势，自动高效地对土壤翻耕情况进行检测就显得尤为重要。

现有的翻耕状态的检测方法主要是由工作人员裸眼视察，自动化程度不高，不能快速显示或告知翻耕的情况，检测的准确率较低。

发明内容

本发明实施例提供一种土壤翻耕状态的检测方法、装置、设备及存储介质，能够快速地显示或告知用户土壤的翻耕状态，提高了翻耕状态检测的准确率。

第一方面，本发明实施例提供了一种土壤翻耕状态的检测方法，所述方法包括：

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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。