本技術(shù)涉及圖像處理，具體而言，涉及一種作物識(shí)別模型訓(xùn)練方法、作物識(shí)別方法、裝置及系統(tǒng)。

背景技術(shù)：

1、在智慧農(nóng)業(yè)領(lǐng)域中，可以通過(guò)對(duì)農(nóng)田圖像的分析處理來(lái)識(shí)別農(nóng)田中的雜草，從而幫助相關(guān)人員進(jìn)行高效的農(nóng)田管理。

2、現(xiàn)有技術(shù)中，可以利用標(biāo)注有各種雜草信息或作物信息的訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，使得神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)到雜草的特征或者作物的特征。進(jìn)而可以通過(guò)神經(jīng)網(wǎng)絡(luò)模型識(shí)別出農(nóng)田中的雜草。

3、但是，使用現(xiàn)有技術(shù)的方法可能出現(xiàn)將雜草誤判為作物或者對(duì)雜草漏判的問(wèn)題，導(dǎo)致識(shí)別結(jié)果的準(zhǔn)確性難以保證。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的在于，針對(duì)上述現(xiàn)有技術(shù)中的不足，提供一種作物識(shí)別模型訓(xùn)練方法、作物識(shí)別方法、裝置及系統(tǒng)，以解決現(xiàn)有技術(shù)中對(duì)雜草的識(shí)別結(jié)果準(zhǔn)確性難以保證的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例采用的技術(shù)方案如下：

3、第一方面，本技術(shù)實(shí)施例提供一種作物識(shí)別模型訓(xùn)練方法，包括：

4、利用訓(xùn)練樣本集以及初始提取結(jié)果對(duì)初始識(shí)別模型進(jìn)行迭代訓(xùn)練，直至滿足預(yù)設(shè)迭代停止條件；其中，所述訓(xùn)練樣本集包括：包含作物行的原始圖像、原始圖像中的作物行標(biāo)簽信息以及所述原始圖像的第一直線檢測(cè)結(jié)果的檢測(cè)標(biāo)簽信息；所述作物行標(biāo)簽信息用于表征作物行在所述原始圖像中的特征信息，所述第一直線檢測(cè)結(jié)果通過(guò)對(duì)所述原始圖像進(jìn)行霍夫直線檢測(cè)得到，所述檢測(cè)標(biāo)簽信息用于表征作物行在所述原始圖像中的真實(shí)位置；所述初始提取結(jié)果由初始提取模型對(duì)第二直線檢測(cè)結(jié)果進(jìn)行預(yù)測(cè)處理得到，所述第二直線檢測(cè)結(jié)果通過(guò)對(duì)所述初始識(shí)別模型提取的特征進(jìn)行霍夫直線檢測(cè)得到；

5、在所述初始識(shí)別模型滿足預(yù)設(shè)迭代停止條件時(shí)，將當(dāng)前的初始識(shí)別模型確定為作物識(shí)別模型。

6、作為一種可能的實(shí)現(xiàn)方式，所述利用訓(xùn)練樣本集以及初始提取結(jié)果對(duì)初始識(shí)別模型進(jìn)行迭代訓(xùn)練，包括：

7、向當(dāng)前初始識(shí)別模型輸入所述原始圖像，以得到當(dāng)前初始識(shí)別模型基于原始圖像輸出的初始識(shí)別結(jié)果，所述初始識(shí)別結(jié)果用于指示所述初始識(shí)別模型識(shí)別得到的作物行信息；

8、根據(jù)所述作物行標(biāo)簽信息以及所述初始識(shí)別結(jié)果，構(gòu)建得到當(dāng)前識(shí)別損失函數(shù)；

9、根據(jù)所述檢測(cè)標(biāo)簽信息以及所述初始提取結(jié)果，構(gòu)建得到當(dāng)前提取損失函數(shù)；

10、基于當(dāng)前識(shí)別損失函數(shù)以及當(dāng)前提取損失函數(shù)，構(gòu)建得到當(dāng)前損失函數(shù)；

11、利用當(dāng)前損失函數(shù)對(duì)當(dāng)前初始識(shí)別模型進(jìn)行反向傳播，以更新當(dāng)前初始識(shí)別模型的模型參數(shù)。

12、作為一種可能的實(shí)現(xiàn)方式，所述基于當(dāng)前識(shí)別損失函數(shù)以及當(dāng)前提取損失函數(shù)，構(gòu)建得到當(dāng)前損失函數(shù)，包括：

13、基于所述初始識(shí)別模型的第一權(quán)重以及所述初始提取模型的第二權(quán)重，對(duì)所述當(dāng)前識(shí)別損失函數(shù)以及當(dāng)前提取損失函數(shù)進(jìn)行加權(quán)，構(gòu)建得到當(dāng)前損失函數(shù)。

14、作為一種可能的實(shí)現(xiàn)方式，根據(jù)所述檢測(cè)標(biāo)簽信息以及所述初始提取結(jié)果，構(gòu)建得到當(dāng)前提取損失函數(shù)，包括：

15、確定檢測(cè)標(biāo)簽信息與初始提取結(jié)果的交并比；

16、以預(yù)設(shè)的樣本權(quán)重作為影響因子，確定檢測(cè)標(biāo)簽信息與初始提取結(jié)果的交叉熵；

17、基于所述交并比和所述交叉熵，構(gòu)建得到當(dāng)前提取損失函數(shù)。

18、作為一種可能的實(shí)現(xiàn)方式，構(gòu)建得到當(dāng)前提取損失函數(shù)之后，還包括：

19、利用當(dāng)前提取損失函數(shù)對(duì)初始提取模型進(jìn)行反向傳播，以更新初始提取模型的模型參數(shù)。

20、作為一種可能的實(shí)現(xiàn)方式，所述第一直線檢測(cè)結(jié)果的檢測(cè)標(biāo)簽信息通過(guò)以下步驟獲取：

21、獲取多張?jiān)紙D像；

22、對(duì)所述多張?jiān)紙D像分別進(jìn)行圖像變換，得到多張變換后圖像，變換后圖像為原始圖像的二值化圖像或者掩膜圖像；

23、對(duì)所述多張變換后圖像分別進(jìn)行霍夫直線檢測(cè)，得到多個(gè)所述第一直線檢測(cè)結(jié)果；其中，所述第一直線檢測(cè)結(jié)果包括多行元素，各元素分別對(duì)應(yīng)所述原始圖像中的一條直線，各元素的位置分別用于表征對(duì)應(yīng)的一條直線在原始圖像中的位置，各元素的元素值用于表征所述直線的可靠程度；

24、根據(jù)所述多行元素的元素值，確定用于表征作物行在原始圖像中的真實(shí)位置的關(guān)鍵結(jié)果信息，并將所述關(guān)鍵結(jié)果信息作為所述檢測(cè)標(biāo)簽信息。

25、作為一種可能的實(shí)現(xiàn)方式，根據(jù)所述多行元素的元素值，確定用于表征作物行在原始圖像中的真實(shí)位置的關(guān)鍵結(jié)果信息，包括：

26、根據(jù)所述多行元素的元素值，確定多個(gè)關(guān)鍵因子信息，所述關(guān)鍵因子信息包括：空隙密度以及作物行元素平均值；

27、根據(jù)所述多個(gè)關(guān)鍵因子信息，確定所述關(guān)鍵結(jié)果信息。

28、作為一種可能的實(shí)現(xiàn)方式，所述多行元素存儲(chǔ)于二維數(shù)組中，各元素在所述二維數(shù)組中的位置分別用于表征對(duì)應(yīng)的一條直線在原始圖像中的位置，各元素在所述二維數(shù)組中的元素值用于指示霍夫空間中經(jīng)過(guò)所述二維數(shù)組中的位置所對(duì)應(yīng)的點(diǎn)的直線數(shù)量；

29、所述根據(jù)所述多行元素的元素值，確定多個(gè)關(guān)鍵因子信息，包括：

30、根據(jù)所述二維數(shù)組各行中的元素的元素值，確定各行中的作物行元素和非作物行元素；

31、分別計(jì)算各行中非作物行元素的數(shù)量與各行中作物行元素和非作物行元素的數(shù)量總和的比值，得到各行的空隙密度；

32、分別計(jì)算各行中作物行元素的元素值的平均值，得到各行的作物行元素平均值。

33、作為一種可能的實(shí)現(xiàn)方式，所述根據(jù)所述多個(gè)關(guān)鍵因子信息，確定所述關(guān)鍵結(jié)果信息，包括：

34、分別計(jì)算各行的空隙密度和作物行元素平均值的乘積，得到各行的表征程度值；

35、將表征程度值最大的行的各元素，作為所述關(guān)鍵結(jié)果信息。

36、作為一種可能的實(shí)現(xiàn)方式，所述確定所述關(guān)鍵結(jié)果信息之后，還包括：

37、根據(jù)所述關(guān)鍵結(jié)果信息所在行中的各元素的元素值，得到至少一個(gè)連續(xù)元素序列；

38、根據(jù)所述連續(xù)元素序列中的各元素的元素值，進(jìn)行閾值選取，得到所述連續(xù)元素序列的初始去噪閾值；

39、基于所述初始去噪閾值、或基于所述初始去噪閾值與預(yù)設(shè)系數(shù)，對(duì)所述連續(xù)元素序列中的元素進(jìn)行過(guò)濾處理，以得到去噪后的關(guān)鍵結(jié)果信息。

40、作為一種可能的實(shí)現(xiàn)方式，所述對(duì)所述多張變換后圖像分別進(jìn)行霍夫直線檢測(cè)，得到多個(gè)所述第一直線檢測(cè)結(jié)果，包括：

41、以各所述變換后圖像的中心點(diǎn)作為極坐標(biāo)系原點(diǎn)，對(duì)所述變換后圖像進(jìn)行霍夫直線檢測(cè)，得到所述第一直線檢測(cè)結(jié)果。

42、作為一種可能的實(shí)現(xiàn)方式，所述初始提取模型中，存在至少一空洞卷積層；和/或，所述初始提取模型中，最后一層的初始化卷積參數(shù)為預(yù)設(shè)值。

43、作為一種可能的實(shí)現(xiàn)方式，所述初始提取模型中最后一層的卷積參數(shù)包括偏置和權(quán)重，所述偏置的初始值為負(fù)數(shù)，所述權(quán)重的初始值為0。

44、第二方面，本技術(shù)實(shí)施例提供一種作物識(shí)別方法，包括：

45、獲取目標(biāo)區(qū)域的圖像，所述目標(biāo)區(qū)域的圖像中包括作物行以及雜草；

46、將所述目標(biāo)區(qū)域的圖像輸入預(yù)先訓(xùn)練得到的作物識(shí)別模型中，得到所述作物識(shí)別模型輸出的所述目標(biāo)區(qū)域的圖像中的作物行信息，其中，所述作物識(shí)別模型基于上述第一方面所述的方法訓(xùn)練得到。

47、第三方面，本技術(shù)實(shí)施例提供一種作物識(shí)別模型訓(xùn)練裝置，包括：

48、訓(xùn)練模塊，用于利用訓(xùn)練樣本集以及初始提取結(jié)果對(duì)初始識(shí)別模型進(jìn)行迭代訓(xùn)練，直至滿足預(yù)設(shè)迭代停止條件；其中，所述訓(xùn)練樣本集包括：包含作物行的原始圖像、原始圖像中的作物行標(biāo)簽信息以及所述原始圖像的第一直線檢測(cè)結(jié)果的檢測(cè)標(biāo)簽信息；所述作物行標(biāo)簽信息用于表征作物行在所述原始圖像中的特征信息，所述第一直線檢測(cè)結(jié)果通過(guò)對(duì)所述原始圖像進(jìn)行霍夫直線檢測(cè)得到，所述檢測(cè)標(biāo)簽信息用于表征作物行在所述原始圖像中的真實(shí)位置；所述初始提取結(jié)果由初始提取模型對(duì)第二直線檢測(cè)結(jié)果進(jìn)行預(yù)測(cè)處理得到，所述第二直線檢測(cè)結(jié)果通過(guò)對(duì)所述初始識(shí)別模型提取的特征進(jìn)行霍夫直線檢測(cè)得到；

49、確定模塊，用于在所述初始識(shí)別模型滿足預(yù)設(shè)迭代停止條件時(shí)，將當(dāng)前的初始識(shí)別模型確定為作物識(shí)別模型。

50、第四方面，本技術(shù)實(shí)施例提供一種作物識(shí)別裝置，包括：

51、獲取模塊，用于獲取目標(biāo)區(qū)域的圖像，所述目標(biāo)區(qū)域的圖像中包括作物行以及雜草；

52、識(shí)別模塊，用于將所述目標(biāo)區(qū)域的圖像輸入預(yù)先訓(xùn)練得到的作物識(shí)別模型中，得到所述作物識(shí)別模型輸出的所述目標(biāo)區(qū)域的圖像中的作物行信息，其中，所述作物識(shí)別模型基于上述第一方面所述的方法訓(xùn)練得到。

53、第五方面，本技術(shù)實(shí)施例提供一種智慧農(nóng)業(yè)系統(tǒng)，包括：

54、獲取裝置，用于獲取目標(biāo)區(qū)域的圖像；

55、處理裝置，用于根據(jù)上述第二方面所述的作物識(shí)別方法對(duì)所述獲取裝置獲得的目標(biāo)區(qū)域的圖像進(jìn)行處理，以得到所述目標(biāo)區(qū)域的圖像中的作物行信息；

56、圖形界面裝置，用于根據(jù)所述作物行信息生成對(duì)應(yīng)的展示信息。

57、第六方面，本技術(shù)實(shí)施例提供一種電子設(shè)備，包括：處理器和存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有所述處理器可執(zhí)行的機(jī)器可讀指令，當(dāng)電子設(shè)備運(yùn)行時(shí)，所述處理器執(zhí)行所述機(jī)器可讀指令，以執(zhí)行時(shí)執(zhí)行上述第一方面所述的作物識(shí)別模型訓(xùn)練方法的步驟或者上述第二方面所述的作物識(shí)別方法的步驟。

58、第七方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器運(yùn)行時(shí)執(zhí)行上述第一方面所述的作物識(shí)別模型訓(xùn)練方法的步驟或者上述第二方面所述的作物識(shí)別方法的步驟。

59、本技術(shù)實(shí)施例所提供的作物識(shí)別模型訓(xùn)練方法、作物識(shí)別方法、裝置及系統(tǒng)，在迭代訓(xùn)練初始識(shí)別模型的過(guò)程中，除了使用表征作物行本身特征的作物行標(biāo)簽信息外，還引入了檢測(cè)標(biāo)簽信息以及初始提取結(jié)果，其中，檢測(cè)標(biāo)簽信息能夠表征原始圖像中作物行所形成的平行條帶的位置，初始提取結(jié)果為在初始識(shí)別模型提取的特征的基礎(chǔ)上進(jìn)行直線檢測(cè)以及平行條帶信息提取所得到的信息，由于檢測(cè)標(biāo)簽信息和初始提取結(jié)果均是描述平行條帶的信息，因此，可以作為初始識(shí)別模型訓(xùn)練過(guò)程中的約束信息，避免將平行條帶之外的植物誤判為作物，從而使得雜草的漏判和誤判幾率得到極大降低，進(jìn)而極大提升識(shí)別結(jié)果的準(zhǔn)確性。