[发明专利]一种基于人工智能的城市绿化带修剪的检测方法及系统

权利要求书

1.一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，该方法包括如下步骤：

获取绿化带目标图像；

将所述绿化带目标图像送入初始绿化带修剪分析网络中的特征提取编码器，根据所述特征提取编码器中的至少两个卷积层，得到各所述卷积层输出的第一特征矩阵；

根据各所述卷积层输出的第一特征矩阵，计算得到第二特征矩阵；

根据所述第二特征矩阵和预设的标准矩阵库，计算所述第二特征矩阵与所述标准矩阵库中的各标准矩阵之间的特征差异指标，得到特征差异指标集合；所述预设的标准矩阵库中包括与各预设的绿化带待修剪等级相对应的标准矩阵子库，各标准矩阵子库包括至少一个标准矩阵；

根据所述特征差异指标集合，计算所述初始绿化带修剪分析网络损失函数的优化参量；

根据所述优化参量，优化所述初始绿化带修剪分析网络，得到目标绿化带修剪分析网络；

根据所述目标绿化带修剪分析网络，对绿化带待修剪等级进行预测。

2.如权利要求1所述的一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，所述初始绿化带修剪分析网络的构建过程，包括：

获取训练样本集，所述训练样本集包括多个绿化带样本图像；

对各所述绿化带样本图像的待修剪等级进行标注，得到标注数据；

将所述训练样本集和所述标注数据输入至网络中，并采用损失函数进行训练，得到所述初始绿化带修剪分析网络。

3.如权利要求1所述的一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，所述根据所述特征提取编码器中的至少两个卷积层，得到各所述卷积层输出的第一特征矩阵，包括：

获取各所述卷积层输出的特征向量；

计算所述特征向量中的两两元素的内积，得到所述第一特征矩阵。

4.如权利要求1所述的一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，所述根据各所述卷积层输出的第一特征矩阵，计算得到第二特征矩

阵，包括：

对各所述卷积层的第一特征矩阵求加权和，得到所述第二特征矩阵。

5.如权利要求1所述的一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，所述标准矩阵库的获取过程，包括：

获取与所述各预设的绿化带待修剪等级相对应的绿化带图像库，各所述绿化带图像库包括多个绿化带图像；

对于任意一个所述绿化带图像库，将该绿化带图像库输入至所述初始绿化带修剪分析网络中，得到与各绿化带图像相对应的损失函数值和特征矩阵；

从所述各绿化带图像相对应的损失函数值中获取预设个数的最小损失函数值，所述预设个数的最小损失函数值对应的特征矩阵构成该绿化带图像库所对应的标准矩阵子库。

6.如权利要求1所述的一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，所述根据所述第二特征矩阵和预设的标准矩阵库，计算所述第二特征矩阵与所述标准矩阵库中的各标准矩阵之间的特征差异指标，包括：

根据如下公式求特征差异指标：

其中为特征差异指标，为预设标准矩阵库中第个标准矩阵，为初始绿化带修剪分析网络中第二特征矩阵的第i行第j列的元素，为预设的标准矩阵库中第个标准矩阵的第i行第j列的元素，为特征向量的元素数量。

7.如权利要求1所述的一种基于人工智能的城市绿化带修剪的检测方法，其特征在于，所述根据所述特征差异指标集合，计算所述初始绿化带修剪分析网络损失函数的优化参量，包括：

从所述特征差异指标集合中选取特征差异指标数值最小的特征差异指标所对应的标准矩阵，得到目标标准矩阵；

根据所述目标标准矩阵计算得到所述初始绿化带修剪分析网络损失函数的优化参量。