申请/专利权人：深圳市索威尔科技开发有限公司

申请日：2023-09-19

公开（公告）日：2024-04-05

公开（公告）号：CN116935235B

主分类号：G06V20/10

分类号：G06V20/10;G06N3/0464;G06N3/126;G06V10/50;G06V10/54;G06V10/82;G06V20/17

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.11.10#实质审查的生效;2023.10.24#公开

摘要：本发明涉及图像识别技术领域，公开了一种基于采茶无人机的新鲜茶叶识别方法及相关装置，用于提高基于采茶无人机的新鲜茶叶识别的准确率。包括：通过茶叶分布信息及形状布局信息进行三维虚拟地图构建，得到三维虚拟地图；对多个采茶无人机进行路径规划，生成目标图像采集路径；对多个采茶无人机进行任务划分，得到图像采集任务；控制每个采茶无人机执行每个采茶无人机的图像采集任务得到茶叶图像集，对茶叶图像集进行茶叶形态分类得到多个茶叶图像子集；对每个茶叶图像子集进行特征提取，得到纹理特征集及HOG特征集；将纹理特征集及HOG特征集输入茶叶识别模型进行新鲜度计算，得到每个茶叶图像子集对应的新鲜度。

主权项：1.一种基于采茶无人机的新鲜茶叶识别方法，其特征在于，方法包括：对目标茶叶园进行形状提取，得到所述目标茶叶园对应的形状布局信息，同时，对目标茶叶园进行茶叶种植分布信息提取，得到茶叶分布信息；具体包括：通过预置的建筑信息数据库，对所述目标茶叶园进行形状信息提取，得到所述目标茶叶园对应的形状布局信息；对所述形状布局信息进行区域分割，得到多个茶叶园区域；对每个所述茶叶园区域进行密度分析，得到每个所述茶叶园区域对应的区域密度；通过每个所述茶叶园区域对应的区域密度对所述目标茶叶园进行茶叶种植分布信息提取，得到茶叶分布信息；其中，使用预置的建筑信息数据库中提取出目标茶叶园的形状信息，形状信息包括茶叶园的边界坐标、角度、曲线几何描述，获得目标茶叶园的整体外形信息；基于获得的形状信息，进一步对茶叶园进行区域分割，将茶叶园划分为多个小区域，每个小区域代表着茶叶种植的不同区域，区域分割采用空间分析技术，将茶叶园的形状划分为多个独立的多边形区域，每个区域代表着一个茶叶园小区域；对每个茶叶园区域进行密度分析，利用无人机拍摄茶叶园的图像，然后通过图像处理技术计算每个小区域内茶叶像素的数量，从而得出茶叶在每个区域内的分布密度，获取不同区域内茶叶的生长情况，从而提供茶叶的空间分布特征；根据每个茶叶园区域的茶叶分布密度信息，提取茶叶的种植分布信息，通过创建热度图来呈现，热度图将不同区域的茶叶密度以颜色的深浅表示，从而在地图上显示出茶叶种植的密集程度；通过所述茶叶分布信息以及所述形状布局信息进行三维虚拟地图构建，得到所述目标茶叶园对应的三维虚拟地图；基于所述三维虚拟地图，对预置的多个采茶无人机进行路径规划，生成每个所述采茶无人机的目标图像采集路径；具体包括：对每个所述采茶无人机进行起始位置分析，得到每个所述采茶无人机的起始位置坐标；对每个所述采茶无人机进行最大飞行距离提取，得到每个所述采茶无人机的最大飞行距离，同时，对每个所述采茶无人机进行采集区域半径分析，得到每个所述采茶无人机的采集区域半径；通过每个所述采茶无人机的起始位置坐标以及每个所述采茶无人机的采集区域半径对所述三维虚拟地图进行路径生成，得到每个所述采茶无人机对应的初始图像采集路径；对多个所述采茶无人机进行设备数量分析，得到设备数量，并通过所述设备数量进行遗传算法生成，得到遗传算法参数集；通过所述遗传算法参数集对预置的初始遗传算法进行参数配置，得到目标遗传算法；将每个所述采茶无人机对应的初始图像采集路径输入所述目标遗传算法进行适应度计算，得到适应度集合；将所述适应度集合输入所述目标遗传算法对每个所述采茶无人机对应的初始图像采集路径进行交叉迭代优化，得到每个所述采茶无人机的目标图像采集路径；其中，进行起始位置分析，确定每个采茶无人机的起飞点，以确保采茶无人机开始执行图像采集任务；通过考虑地理信息、茶叶园布局因素，确定每个采茶无人机的起始位置坐标，同时，进行最大飞行距离提取，确定每个采茶无人机的可飞行范围，以避免因超出范围而导致任务中断；在规划路径时，无人机的飞行距离应该小于其最大飞行距离，以确保采茶无人机能够安全返回，采集区域半径分析，确定每个采茶无人机的有效采集范围，通过分析无人机的摄像头参数、分辨率，计算出每个采茶无人机在飞行时能够覆盖的茶叶区域半径；基于起始位置、最大飞行距离和采集区域半径信息，通过算法对三维虚拟地图进行路径生成，在路径生成过程中，需要考虑无人机的飞行范围、避障策略以及图像采集间隔因素，以生成每个采茶无人机的初始图像采集路径；进行设备数量分析是为了确定所需的采茶无人机数量，通过分析茶叶园的面积、无人机的飞行速度、图像采集时间因素，得出所需的设备数量，确保能够在合理的时间内完成图像采集任务；基于每个所述采茶无人机的目标图像采集路径，对每个所述采茶无人机进行任务划分，得到每个所述采茶无人机的图像采集任务；控制每个所述采茶无人机执行每个所述采茶无人机的图像采集任务，得到茶叶图像集，并对所述茶叶图像集进行茶叶形态分类，得到多个茶叶图像子集；分别对每个所述茶叶图像子集进行纹理特征提取，得到每个所述茶叶图像子集对应的纹理特征集；分别对每个所述茶叶图像子集进行HOG特征提取，得到每个所述茶叶图像子集对应的HOG特征集；将每个所述茶叶图像子集对应的纹理特征集以及每个所述茶叶图像子集对应的HOG特征集输入预置的茶叶识别模型进行新鲜度计算，得到每个所述茶叶图像子集对应的新鲜度；具体包括：将每个所述茶叶图像子集对应的纹理特征集以及每个所述茶叶图像子集对应的HOG特征集输入预置的茶叶识别模型，其中，所述茶叶识别模型包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层以及输出层；将每个所述茶叶图像子集对应的纹理特征集以及每个所述茶叶图像子集对应的HOG特征集输入所述输入层进行特征拼接，得到拼接特征集；将所述拼接特征集输入至所述第一卷积层进行第一次特征点乘并求和，得到第一候选特征集；将所述第一候选特征集输入所述第一池化层进行第一次特征最大值提取，得到第二候选特征集；将所述第二候选特征集输入所述第二卷积层进行第二次特征点乘并求和，得到第三候选特征集；将所述第三候选特征集输入所述第二池化层进行第二次特征最大值提取，得到第四候选特征集；将所述第四候选特征集输入所述全连接层进行特征图展平处理，得到待处理长向量，并将所述待处理长向量进行偏置权重分配，得到多个目标向量；对所述多个目标向量进行归一化处理，得到概率分布数据集合，通过所述概率分布数据集合进行新鲜度计算，得到每个所述茶叶图像子集对应的新鲜度；通过每个所述茶叶图像子集对应的新鲜度对所述三维虚拟地图进行茶叶质量信息标注，得到茶叶质量分布地图，同时，通过每个所述茶叶图像子集对应的新鲜度生成新鲜茶叶识别报告。

全文数据：

权利要求：

百度查询： 深圳市索威尔科技开发有限公司 基于采茶无人机的新鲜茶叶识别方法及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD