[发明专利]一种农田与机耕道边界线提取方法及系统

说明书

本发明公开一种农田与机耕道边界线提取方法及系统，涉及智慧农业领域。本发明方法搭建的语义分割模型对传统的语义分割模型进行了改进，引入了convnext特征提取网络，并对空间池化金字塔进行了改进，同时引入了自适应注意力机制模块，有效解决了复杂农田场景下对农田及机耕道边界识别精度不足的问题；同时通过对预测图像的边缘检测和霍夫变换，对农田及机耕道的边界进行进一步处理，提升了边界识别效果。本发明对农田和机耕道边界线的分割和提取更为高效准确，适用性更强，为进一步获取高精度农田边界和田间道路的定位信息提供了技术支撑，对于农田的大规模管控以及智能农机的精准作业起到了积极促进作用。

技术领域

本发明涉及智慧农业技术领域，特别是涉及一种农田与机耕道边界线提取方法及系统。

背景技术

耕地信息是重要的农业信息之一，其对于农田长势监测、农作物产量预测、农业风险评估等应用具有重要价值。随着智慧农业的快速发展，智能化、精准农业成为农业发展的热点和趋势，如无人化播种、智能农药喷洒以及农作物智能田间管理等。如何从农田遥感影像信息中提取农田的的空间分布信息成为精准农业发展的关键技术。

现阶段，无人机和自动驾驶农机田间作业过程中所需要的农田边界信息基本是由人工提供，效率较低、成本高。因此农田及机耕道边界的自动提取是智慧农业应用中的一项关键技术。传统的基于遥感影像的农田边界信息提取方法利用光谱、空间纹理等特征结合各种分类算法识别农田地块。但现有的识别方法只能较好的分割不同类别的地物类型，对于单个农田和机耕道不能实现很好的分割。因此，有必要提供一种快速有效的农田及机耕道边界信息精准提取方法，能够提取完整、准确的农田边界和机耕道道路边缘。

发明内容

针对上述背景技术中提出的问题，本发明提供一种农田与机耕道边界线提取方法及系统，以提高农田与机耕道边界线提取效率及准确性。

为实现上述目的，本发明提供了如下方案：

一方面，本发明提供一种农田与机耕道边界线提取方法，包括：

获取无人机拍摄的农田图像并制作分割数据集；

搭建语义分割模型；所述语义分割模型包括convnext特征提取网络、改进的空洞空间卷积池化金字塔、注意力机制模块、卷积层、上采样层和特征连接层；

基于分割数据集对语义分割模型进行训练和验证，得到训练好的语义分割模型；

采用训练好的语义分割模型对待提取农田图像中的农田与机耕道边界线进行识别，得到预测图像；

对预测图像进行边缘检测和霍夫变换，提取出预测图像中的农田与机耕道边界线并生成边界线图层。

可选地，所述获取无人机拍摄的农田图像并制作分割数据集，具体包括：

获取无人机拍摄的多幅农田图像，经拼接得到农场全局图像；

将农场全局图像分割为多个512×512像素大小的图像块，并对图像块中的农田边界和机耕道边界进行像素级标注，生成多个标签图像；

将多个标签图像随机划分成训练集和验证集，并对训练集进行数据增强处理，增强处理后的训练集与验证集共同构成分割数据集。

可选地，所述基于分割数据集对语义分割模型进行训练和验证，得到训练好的语义分割模型，具体包括：

采用混合损失函数并利用增强处理后的训练集对语义分割模型进行训练，利用验证集对训练过程中的语义分割模型进行验证，计算其像素准确率和平均交并比，待像素准确率和平均交并比趋于稳定时终止训练，得到训练好的语义分割模型。

可选地，所述对预测图像进行边缘检测和霍夫变换，提取出预测图像中的农田与机耕道边界线，具体包括：

对预测图像进行灰度处理，得到灰度图像；