一种互花米草识别与预警方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114782842A(43)申请公布日2022.07.22(21)申请号202210423323.6(22)申请日2022.04.21(71)申请人中国农业科学院农业基因组研究所地址518120广东省深圳市大鹏新区鹏飞路7号(72)发明人钱万强乔曦何艳洲覃锋李岩舟刘博刘聪辉(74)专利代理机构深圳国联专利代理事务所(特殊普通合伙)44465专利代理师王天兴(51)Int.Cl.G06V20/17(2022.01)G06N3/04(2006.01)权利要求书2页说明书5页附图5页(54)发明名称一种互花米草识别与预警方法(57)摘要本发明涉及一年四季中零散斑块互花米草的识别监测与预警，尤其是互花米草识别与预警方法，其识别与预警方法为：一、搭建采集平台，采集互花米草图像；二、图像拼接与分割；三、制作训练集、验证集、测试集；四、选择主流的卷积神经网络，进行模型的训练、验证与测试。五、判断识别准确率，选择满足条件的卷积神经网络；六、分别训练四个时期的数据，进行互花米草的空间分布；七、构建危害等级评估模型；八、获取互花米草的扩散距离；九、获取互花米草的生物量作物参数；十、生成互花米草预警可视化热图。本发明实现了局域尺度下互花米草的精准识别，并生成预警可视化热图，为互花米草早期的监测与防治提供数据资料。CN114782842ACN114782842A权利要求书1/2页1.一种互花米草识别与预警方法，其特征在于，包括如下步骤：步骤一：提供一无人机平台，设置无人机的飞行模式，无人机的飞行高度为h，飞行速度为v，拍照模式设置为等间距拍照，相机朝向设置于平行于主航线，飞行航向重叠率设置为x，旁向重叠率设置为y，云台俯仰角度设置为w，规划无人机飞行航线，自动拍摄模式，基于设置好的图像采集系统，实地采集一年四季互花米草图像为试验区域原始图片并存储；步骤二：对步骤一中采集的试验区域原始图片，进行图像拼接，生成正射影像图，然后把生成的正射影像图分割成n×n像素大小的图片；步骤三：基于步骤二中分割后生成的小图片，随机选择其中一部分图片，按照互花米草、红树林，滩涂、河堤分为四类，并且按照一定的比例制作训练集、验证集、测试集；步骤四：基于主流的深度学习卷积神经网络，选择其中的几种，对某一时期的数据集进行模型的训练、验证与测试，记录其识别准确率；步骤五：判断模型的识别准确率是否满足要求，一般准确率越高越好，准确率越高，识别结果越准确，设置识别准确率的要求为大于等于P；若满足要求，继续进行下一步；若都不满足要求，重复跳转至步骤四；步骤六：基于选出的卷积神经网络，对四个时期的数据集进行模型的训练与验证，并对步骤四所选择时期的测试集进行模型的测试，对比测试集识别准确率大小，选择准确率最大的模型。并基于此模型对步骤四中所选择时期的全部分割图片，进行模型的识别预测，对互花米草进行颜色标记，再利用MATLAB软件，拼接生成互花米草的分布图；步骤七：根据模糊层次分析法，建立互花米草危害等级评估层次结构模型，并对各个指标赋予权重。模型包含三个层级，第一级指标，即目标层是互花米草入侵危害等级评估；第二级指标，即准则层是由五个主要评价因素构成，分别是入侵性、适生性、扩散性、危害性以及防治可行性。第三级指标，由隶属于准则层的十二个具体的影响因子构成；步骤八：提取不同时期互花米草的轮廓边界，借助Photoshop软件，计算其边界像素数。基于数学中微积分思想近似计算不同时期之间互花米草的扩散距离，以扩散的像素数来表示；步骤九：根据步骤六获取的互花米草的分布图划分网格，网格尺寸大小要求明显地小于互花米草的群落最小面积，针对互花米草的群落最小面积和无人机数据分辨率大小，确定网格尺寸为30×30、40×40、50×50像素，从而计算各个网格内的互花米草生物量和覆盖率；步骤十：生长环境、天敌情况、繁殖能力、生态危害、经济危害、其它危害、防治方法、防治成本以上指标均为观测指标。其中天敌情况分为有(2)和无(1)，防治方法分为简单(1)、一般(2)、难(3)，其余指标均按照高(3)、中(2)、低(1)进行观测，通过文献信息以及专家咨询的方式进行赋值。在本文案例中，生长环境、繁殖能力、生态危害、天敌情况和防治成本得分均为3，天敌情况、经济危害和防治方法得分为2，其它危害得分为1；步骤十一：根据上述定量指标及观测指标，对互花米草的危害性进行计算，将互花米草的危害等级划分为5级：Ⅰ级(0％)、Ⅱ级(0％—10％)、Ⅲ级(10％—30％)、Ⅳ级(30％—60％)、Ⅴ级(60％—100％)，再将网格中心点的灰度值按照对应的危害等级设置为(0、50、100、150、200)；步骤十二：取出所有危害等级为Ⅱ级及以上的网格中心点位于大图中的坐标，对其取