农作物产量的确定方法及装置、非易失性存储介质制造方法及图纸

本申请公开了一种农作物产量的确定方法及装置、非易失性存储介质。其中，该方法包括：获取目标区域的图像；从图像中识别出被农作物覆盖的区域，得到农作物区域；获取农作物区域中单位面积的产量，得到单位产量；以及基于单位产量和农作物区域的面积确定目标区域的农作物产量。本申请解决了相关技术在展示多个图像时耗内存、不直观的技术问题。

【技术实现步骤摘要】
农作物产量的确定方法及装置、非易失性存储介质
本申请涉及农作物产量估计领域，具体而言，涉及一种农作物产量的确定方法及装置、非易失性存储介质。
技术介绍
目前对农田进行产量估计时，常常依据前期的农作物长势或者历史经验进行估计，但是，这种方式比较适用于精度要求不是很高或者一些特殊的农田(例如小块农田，已开发农田)的场景，但是，这种方式准确性不是很高，因此，并不适用于精度要求比较高的场合中或者新开发农田的产量预测中。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种农作物产量的确定方法及装置、非易失性存储介质，以至少解决相关技术在展示多个图像时耗内存、不直观的技术问题。根据本申请实施例的一个方面，提供了一种农作物产量的确定方法，包括：获取目标区域的图像；从所述图像中识别出被农作物覆盖的区域，得到农作物区域；获取所述农作物区域中单位面积的产量，得到单位产量；以及基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。可选地，从图像中识别出被农作物覆盖的区域，得到农作物区域，包括：对图像进行分割，得到农作物区域和非农作物区域，其中，非农作物区域为未被农作物覆盖的区域；获取农作物区域中单位面积的产量，得到单位产量，包括：获取农作物区域中多个采样点的农作物产量；计算多个采样点的农作物产量的平均值，得到单位产量。可选地，多个采样点在目标区域中是均匀分布的。可选地，方法还包括：接收对农作物区域中的目标点的选中指令；响应于选中指令，依据多个采样点的农作物产量、多个采样点与目标点的距离确定目标点的农作物产量。可选地，依据多个采样点的农作物产量、多个采样点与目标点的距离确定目标点的农作物产量，包括：pj表示目标点j的农作物产量，pi表示采样点i的农作物产量；dij表示采样点i到目标点j点的欧氏距离,CVj表示是否被植被覆盖的值，如果被植被覆盖为1，否则为0。可选地，方法还包括：对多个采样点的农作物产量进行插值运算，得到目标区域中农作物产量的分布信息；将分布信息添加至图像中，得到目标图像，并展示目标图像。可选地，将分布信息添加至图像中，得到目标图像，包括：依据分布信息更新目标区域中的各个像素点的像素值，得到目标图像。根据本申请实施例的再一个方面，提供了一种农作物产量的确定方法，包括：获取目标区域的图像；从图像中识别出被农作物覆盖的区域，得到农作物区域；接收对农作物区域中的目标点的选中指令；响应于选中指令，依据农作物区域中多个采样点的农作物产量、多个采样点与目标点的距离确定目标点的农作物产量。可选地，方法还包括：对多个采样点的农作物产量进行插值运算，得到目标区域中农作物产量的分布信息；将分布信息添加至图像中，得到目标图像；展示目标图像。根据本申请实施例的又一个方面，提供了一种农作物产量的确定装置，包括：第一获取模块，用于获取目标区域的图像；识别模块，用于从图像中识别出被农作物覆盖的区域，得到农作物区域；第二获取模块，用于获取农作物区域中单位面积的产量，得到单位产量；以及确定模块，用于基于单位产量和农作物区域的面积确定目标区域的农作物产量。根据本申请实施例的另一个方面，提供了一种农作物产量的确定系统，包括：无人机和目标设备；其中，无人机，用于获取目标区域的图像，并将图像发送至目标设备；目标设备，用于从图像中识别出被农作物覆盖的区域，得到农作物区域；获取农作物区域中单位面积的产量，得到单位产量；以及基于单位产量和农作物区域的面积确定目标区域的农作物产量。根据本申请实施例的又一个方面，提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以上所述的农作物产量的确定方法。根据本申请实施例的又一个方面，提供了一种处理器，该处理器用于运行存储在存储介质中的程序指令，其中，在程序指令运行时执行以上所述的农作物产量的确定方法。在本申请实施例中，从获取的目标区域的图像中识别出农作物区域，并基于获取的农作物区域中单位面积的产量和农作物区域的面积确定目标区域的农作物产量，上述方案相对于采用遥感图像的方式，由于采用了基于相对客观的图像确定产量，并且仅考虑了作物区域的产量情况，因此，计算结果更加准确，进而解决了相关技术在展示多个图像时耗内存、不直观的技术问题。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的一种农作物产量的确定方法的流程示意图；图2是根据本申请实施例的一种农作物产量的确定装置的结构示意图；图3是根据本申请实施例的另一种农作物产量的确定方法的流程示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本申请实施例，提供了一种农作物产量的确定的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本申请实施例的一种农作物产量的确定系统的结构示意图，如图1所示，该方法包括如下步骤：步骤S102，获取目标区域的图像；其中，获取图像的方式有多种，例如，可以通过无人机上的图像采集装置采集，在步骤S102的执行主体为目标设备时，无人机将采集的图像发送至目标设备，该目标设备包括但不限于：后台服务器。又例如，还可以从设置在目标区域的监测设备(例如摄像头等图像采集设备)中获取。步骤S104，从所述图像中识别出被农作物覆盖的区域，得到农作物区域；在本申请的一些实施例中，农作物区域的识别方式有多种，例如，采用机器学习模型进行识别，此时，可以表现为以下处理过程:将图像输入至机器学习模型中进行分析，得到用于指示是否为农作物区域的识别结果，其中，机器学习模型是通过多组数据训练得到的，多组数据中的每组数据包括：样本本文档来自技高网...

【技术保护点】
1.一种农作物产量的确定方法，其特征在于，包括：/n获取目标区域的图像；/n从所述图像中识别出被农作物覆盖的区域，得到农作物区域；/n获取所述农作物区域中单位面积的产量，得到单位产量；以及/n基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。/n

【技术特征摘要】
1.一种农作物产量的确定方法，其特征在于，包括：
获取目标区域的图像；
从所述图像中识别出被农作物覆盖的区域，得到农作物区域；
获取所述农作物区域中单位面积的产量，得到单位产量；以及
基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。


2.根据权利要求1所述的方法，其特征在于，从所述图像中识别出被农作物覆盖的区域，得到农作物区域，包括：
对所述图像进行分割，得到所述农作物区域和非农作物区域，其中，所述非农作物区域为未被所述农作物覆盖的区域；
获取所述农作物区域中单位面积的产量，得到单位产量，包括：获取所述农作物区域中多个采样点的农作物产量；计算所述多个采样点的农作物产量的平均值，得到所述单位产量。


3.根据权利要求2所述的方法，其特征在于，所述多个采样点在所述目标区域中是均匀分布的。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收对所述农作物区域中的目标点的选中指令；
响应于所述选中指令，依据所述农作物区域中多个采样点的农作物产量、所述多个采样点与所述目标点的距离确定所述目标点的农作物产量。


5.根据权利要求4所述的方法，其特征在于，依据所述多个采样点的农作物产量、所述多个采样点与所述目标点的距离确定所述目标点的农作物产量，包括：通过以下公式确定所述目标点的农作物产量：

pj表示目标点j的农作物产量，pi表示采样点i的农作物产量；dij表示采样点i到目标点j点的欧氏距离,CVj表示是否被植被覆盖的值，如果被植被覆盖为1，否则为0。


6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对所述多个采样点的农作物产量进行插值运算，得到所述目标区域中农作物产量的分布信息；
将所述分布信息添加至所述图像中，得到目标图像，并展示所述目标图像。


7.根...

【专利技术属性】
技术研发人员：代双亮，
申请(专利权)人：广州极飞科技有限公司，
类型：发明
国别省市：广东;44