[发明专利]一种基于深度学习的小麦倒伏损失评估方法和装置

权利要求书

1.一种基于深度学习的小麦倒伏损失评估方法，其特征在于，包括：

步骤1、利用无人机搭载RGB数码相机获取a个小麦地块的图像信息，并通过预处理的方式，得到小麦研究区域图像及其相应的标签图像；

步骤2、对所述小麦研究区域图像进行图像处理，得到小麦倒伏颜色指数图像和小麦数字表面模型图像；

步骤3、将所述小麦研究区域图像、小麦倒伏颜色指数图像和小麦数字表面模型图像进行通道合成，得到小麦多通道融合图像；

步骤4、对小麦多通道融合图像和所述标签图像分别进行数据扩增处理，得到图像-标签对，并按比例将所述图像-标签对划分为训练集和验证集，从而组成小麦倒伏图像数据集；

步骤5、构建基于深度学习的小麦倒伏识别模型，并利用所述小麦倒伏图像数据集训练所述小麦倒伏识别模型，得到训练后的小麦倒伏识别模型，用于确定所述小麦研究区域图像中倒伏区域的位置和范围；

步骤6、根据小麦研究区域图像中倒伏区域的位置和范围计算出倒伏面积，并利用训练好的倒伏损失分类模型对倒伏面积进行倒伏程度分类，得到小麦的倒伏损失等级。

2.根据权利1所述的基于深度学习的小麦倒伏损失评估方法，其特征在于，所述步骤1中的预处理包括：

步骤1.1、根据地理坐标信息对采集到的a个小麦地块的图像信息进行空间信息匹配，得到匹配后的a个小麦地块的图像数据；

在匹配后的a个小麦地块的图像数据中的重叠区域内逐行搜索最佳拼接点，从而由最佳拼接点拟合得到拼接线，并根据所述拼接线将匹配后的a个小麦地块的图像数据拼接完整的小麦研究区域图像；

步骤1.2、利用人工标注方式对所述小麦研究区域图像中的倒伏区域进行标记，从而得到标签图像。

3.根据权利1所述的基于深度学习的小麦倒伏损失评估方法，其特征在于，所述步骤2中的图像处理包括：

步骤2.1、利用式(1)所示的植被指数计算方法对小麦研究区域图像进行提取，得到相应的小麦倒伏颜色指数图像LCI；

式(1)中，r为所述小麦研究区域图像中红波段R的归一化反射率，g为所述小麦研究区域图像中绿波段G的归一化反射率，b为所述小麦研究区域图像中蓝波段B的归一化反射率，α表示绿波段的权值系数，β表示蓝波段的权值系数；

步骤2.2、对所述小麦研究区域图像进行几何校正和关键点匹配，得到密集点云及纹理信息，并对所述密集点云及纹理信息进行三维重建，从而得到小麦数字表面模型图像。

4.根据权利3所述的基于深度学习的小麦倒伏损失评估方法，其特征在于，所述步骤3中的通道合成包括：

步骤3.1、将小麦研究区域图像中的红波段R、绿波段G和蓝波段B进行通道分离，得到红波段图像Band_R、绿波段图像Band_G和蓝波段图像Band_B；对所述小麦倒伏颜色指数图像LCI进行波段处理，得到颜色波段图像Band_E，对所述小麦数字表面模型图像进行波段处理，得到数字表面波段图像Band_D；

步骤3.2、利用波段合成方式，将所述红波段图像Band_R、绿波段图像Band_G、蓝波段图像Band_B、中颜色波段图像Band_E和数字表面波段图像Band_D进行融合，从而得到小麦多通道融合图像。