【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)是人工智能在林業(yè)技術(shù)中的應(yīng)用，具體是一種真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法。
技術(shù)介紹
1、為了收獲高品質(zhì)的銀杏葉，農(nóng)戶通常會對銀杏樹進(jìn)行頂芽去除(又稱“去勢”)[1,2]。這種方法可以促進(jìn)銀杏樹長出更多的側(cè)枝，從而增加葉片的產(chǎn)量并方便采摘。然而，由于側(cè)枝的生長以及雜草、土壤等復(fù)雜地物的影響[3]，監(jiān)測銀杏樹冠層的健康情況與長勢變得更加困難。在復(fù)雜的自然環(huán)境中，精確分割目標(biāo)區(qū)域一直是圖像處理領(lǐng)域的一個難點(diǎn)。本研究的目的則是通過深度語義分割的方法來解決這一問題[4]。
2、近年來，隨著現(xiàn)代農(nóng)林業(yè)對于先進(jìn)技術(shù)的應(yīng)用[5]。基于機(jī)器學(xué)習(xí)的圖像分割技術(shù)應(yīng)用于各種植物葉片和冠層的分割任務(wù)中。如邊緣檢測、閾值分割[6]、區(qū)域生長算法[7]和分水嶺算法等。郎春博等[8]提出一種結(jié)合模擬退火算法與混合粒子群算法來優(yōu)化多閾值圖像分割的方法，優(yōu)化了標(biāo)準(zhǔn)粒子群算法易陷入局部最優(yōu)的問題。實驗結(jié)果表明，該方法有效的處理了復(fù)雜植物冠層圖像分割的問題。鄒秋霞等[9]提出將圖像rgb空間轉(zhuǎn)換到lab空間，并用k-means聚類算法分割植物葉片。實驗結(jié)果表明該方法不僅能夠消除拍攝過程中產(chǎn)生的陰影噪聲也能保證分割后的圖像為彩色圖像。張苗苗等[10]提出一種新的葉片圖像分割方法，利用canny算子提取葉片輪廓并與原始灰度圖像相加，再次與反轉(zhuǎn)的二值圖像相加。實驗證明，該方法能保留葉片特征信息，實現(xiàn)葉片與背景完全分離。為了應(yīng)對真實場景下拍攝溫室蔬菜葉面光照不均勻、背景復(fù)雜等問題，ma等[11]提出了基于綜合色彩特征圖像的交互式區(qū)域生長算法，
3、然而，傳統(tǒng)圖像分割算法通常基于像素級別的特征進(jìn)行分割，精確度較低，處理復(fù)雜場景和邊界模糊的物體困難較大，且計算復(fù)雜度高、對參數(shù)敏感。相反，基于深度學(xué)習(xí)語義分割算法能夠更準(zhǔn)確地理解圖像中的語義信息，從而提高分割精度，尤其在處理復(fù)雜場景和對分割精度要求較高的任務(wù)時表現(xiàn)更優(yōu)，因其自動化程度高且更適合處理大規(guī)模圖像。基于深度學(xué)習(xí)的語義分割技術(shù)不僅僅局限于工業(yè)與醫(yī)學(xué)領(lǐng)域，如道路實時監(jiān)測、醫(yī)學(xué)圖像分析等[13,14]。語義分割模型也逐漸廣泛應(yīng)用于農(nóng)林業(yè)領(lǐng)域。
4、語義分割模型如fcn[15]、unet、deeplab系列[16,17]、hrnet等，通過深層的網(wǎng)絡(luò)結(jié)構(gòu)能夠在不同尺度上有效捕獲圖像特征，從而在農(nóng)林業(yè)領(lǐng)域中實現(xiàn)更為精確和細(xì)致的目標(biāo)分割。這些模型能夠從復(fù)雜背景中準(zhǔn)確區(qū)分出作物、樹木、病蟲害等，為農(nóng)林業(yè)管理和決策提供有力的技術(shù)支持。為更加精確分析多種植物的表型狀況，shrikrishna?kolhar等[18]設(shè)計了基于卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)殘差u-net模型，實驗證明該模型在葉片分割挑戰(zhàn)(lsc)數(shù)據(jù)集中dice?coefficient指標(biāo)高達(dá)0.9709。zou等[19]為了解決田間精準(zhǔn)分割雜草的問題，提出了圖像增強(qiáng)的方法并采用基于改進(jìn)u-net的由預(yù)訓(xùn)練和微調(diào)參數(shù)組成的兩階段訓(xùn)練方法。實驗結(jié)果表明，對于雜草的分割miou達(dá)92.91％并且可以在復(fù)雜的田間環(huán)境中準(zhǔn)確地分割雜草。srinivas?talasila等[20]為了應(yīng)對復(fù)雜背景下的植物葉片難以分割的問題，提出了應(yīng)用于農(nóng)田圖像中提取葉片區(qū)域的plrsnet的語義分割模型。實驗結(jié)果表明，該方法評估指標(biāo)dice達(dá)96.9％，miou達(dá)94.2％。李政凱等[21]為解決獼猴桃樹生長重疊不便進(jìn)行冠層分割的問題，提出一種融合骨架信息的psp-net語義分割模型，引入數(shù)學(xué)形態(tài)學(xué)實現(xiàn)冠層分割。實驗結(jié)果表明，該方法相較于傳統(tǒng)方法精度提高約15.71％。李旭青等[22]為解決復(fù)雜地物影響冬小麥識別的問題，提出一種基于hrnet的改進(jìn)語義分割模型cahrnet(changeattention?high-resolution?net)。試驗結(jié)果表明，在自制的數(shù)據(jù)集上該方法miou與pa指標(biāo)分別高達(dá)81.72％、97.08％。
5、然而，傳統(tǒng)模型仍存在下采樣或上采樣時造成的部分有效信息丟失的問題，從而影響原始圖像信息進(jìn)行特征提取的準(zhǔn)確性；同時網(wǎng)絡(luò)編碼解碼過程中，特征通道數(shù)的變化也會導(dǎo)致特征維度之間相關(guān)性表征能力不夠明顯，使得模型無法有效地利用這些通道之間的信息來提高分割精度。此外，普通卷積層的串聯(lián)疊加會致使網(wǎng)絡(luò)復(fù)雜度過高，且對于圖像的相同特征重復(fù)性的提取也會導(dǎo)致計算資源的浪費(fèi)。
技術(shù)實現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中存在的諸多問題，本專利技術(shù)提出一種真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法。本方法設(shè)計haar_unet(haar?wavelet?enhanced?semanticattention?unet)的語義分割模型，對采集到銀杏冠層圖像進(jìn)行處理。銀杏冠層圖像可以是小型無人機(jī)低空遙感采集到的葉用銀杏冠層正射影像。
2、本專利技術(shù)在haar_unet的主干網(wǎng)絡(luò)中摒棄了傳統(tǒng)語義分割模型的最大池化層和平均池化的兩種下采樣層，替換成基于haar小波變換的hwd下采樣模塊。
3、在最大池化層中，只保留局部區(qū)域的最大值，而在平均池化中則是取平均值，這可能會導(dǎo)致部分信息的丟失。
4、由于小波變換是基于信號的局部特征進(jìn)行分析的，因此在下采樣過程中可以更加完整地保留圖像的細(xì)微特征；
5、編碼器部分作為主要特征提取層，在每層下采樣前嵌入multi?grid空洞卷積模塊增強(qiáng)了網(wǎng)絡(luò)的非線性能力，使得網(wǎng)絡(luò)能夠更好地適應(yīng)不同尺度和復(fù)雜度的特征。
6、而且相比于普通卷積層，空洞卷積層可以擴(kuò)大感受野、避免重復(fù)提取特征、提高特征提取效率。
7、此外，本專利技術(shù)在特征通道升維與降維運(yùn)算后嵌入senet注意力機(jī)制模塊以增強(qiáng)不同通道間的相關(guān)性信息，使得模型能夠有效利用這些通道之間的信息來提高分割精度。
8、以低空無人機(jī)拍攝的高分辨率葉用銀杏樹冠層為基礎(chǔ)數(shù)據(jù)源，通過對比傳統(tǒng)語義分割模型u-net、deeplabv3、hrnet等，驗證了本專利技術(shù)的haar_unet模型的特征表達(dá)能力。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，該方法采用語義分割模型對小型無人機(jī)低空遙感采集到的葉用銀杏冠層正射影像進(jìn)行處理，從復(fù)雜背景中區(qū)分出葉用銀杏冠層，其特征是所述語義分割模型是哈爾小波增強(qiáng)語義注意UNet模型，即Haar_UNet；Haar_UNet是對UNet分割網(wǎng)絡(luò)的改進(jìn)，改進(jìn)方法是在保留UNet分割網(wǎng)絡(luò)的“U”字型結(jié)構(gòu)編碼和解碼器的網(wǎng)絡(luò)框架下進(jìn)行如下設(shè)計：
2.根據(jù)權(quán)利要求1所述的真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，其特征是所述Multi?grid空洞卷積模塊是述多尺度膨脹卷積模塊，它是由三個膨脹卷積層疊加構(gòu)成；三個卷積層的膨脹系數(shù)分別設(shè)置為1、2和4，以捕獲不同尺度下的特征信息；在多尺度膨脹卷積模塊中，
3.根據(jù)權(quán)利要求1所述的真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，其特征是Haar_UNet模型的訓(xùn)練過程中，損失函數(shù)是Dice?coefficient損失函數(shù)Dice?Loss，
4.根據(jù)權(quán)利要求1所述的真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，其特征是所述銀杏冠層圖像是采用低空無人機(jī)拍攝的葉用銀杏樹冠層圖像
5.根據(jù)權(quán)利要求1所述的真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，其特征是采集到銀杏冠層圖像首先進(jìn)行預(yù)處理及數(shù)據(jù)集構(gòu)建，再輸入到Haar_UNet；數(shù)據(jù)預(yù)處理及數(shù)據(jù)集構(gòu)建的方法為：
...【技術(shù)特征摘要】
1.一種真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，該方法采用語義分割模型對小型無人機(jī)低空遙感采集到的葉用銀杏冠層正射影像進(jìn)行處理，從復(fù)雜背景中區(qū)分出葉用銀杏冠層，其特征是所述語義分割模型是哈爾小波增強(qiáng)語義注意unet模型，即haar_unet；haar_unet是對unet分割網(wǎng)絡(luò)的改進(jìn)，改進(jìn)方法是在保留unet分割網(wǎng)絡(luò)的“u”字型結(jié)構(gòu)編碼和解碼器的網(wǎng)絡(luò)框架下進(jìn)行如下設(shè)計：
2.根據(jù)權(quán)利要求1所述的真實場景下的銀杏葉用經(jīng)濟(jì)林冠層語義分割方法，其特征是所述multi?grid空洞卷積模塊是述多尺度膨脹卷積模塊，它是由三個膨脹卷積層疊加構(gòu)成；三個卷積層的膨脹系數(shù)分別設(shè)置為1、2和...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：趙茂程，趙帥帥，齊亮，吳斌，汪希偉，鄒紅艷，謝為俊，
申請(專利權(quán))人：南京林業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。