用于玉米收割的分离装置的智能控制方法制造方法及图纸

本申请涉及智慧农业领域中的智能工作控制，其具体地公开了一种用于玉米收割的分离装置的智能控制方法，其通过基于深度学习的分类问题来对分离装置进行控制，以提高工作效率。具体地，在控制过程中，首先通过对象检测与划分技术确定初始特征图中与当前图像中的玉米作物对应的第一区域和除第一区域以外的第二区域，所述第二区域中包含玉米丝、秸秆、杂草藤蔓等其它成分；接着计算第一区域与第二区域之间的区域差分值矩阵以提取当前收割批次下的玉米棒与其它成分的比例相关的特征；继而对该区域差分值矩阵进行编码后通过分类器以获得用于表示是否应当开启升运器的出料口处的分离装置的分类结果。离装置的分类结果。离装置的分类结果。

【技术实现步骤摘要】
用于玉米收割的分离装置的智能控制方法


[0001]本专利技术涉及智慧农业领域中的智能工作控制，且更为具体地，涉及一种用于玉米收割的分离装置的智能控制方法、用于玉米收割的分离装置的智能控制系统和电子设备。

技术介绍

[0002]在玉米的收获过程中，升运器通常与收割机组合使用，可以将收获的玉米棒转移到货车中，实现农业自动化生产。由于收割过程中，玉米棒上的玉米丝、秸秆、杂草藤蔓等往往会使得玉米棒缠绕在一起，从而堵住升运器的出料口，造成升运器出口堵塞，不便于批量收获，为此，通常使用与旋转电机结合的分离装置来对出口处的玉米进行扰动分割，促使玉米掉落。
[0003]目前在实际操作过程当中，该分离装置都是不间断地工作，这就造成了资源的浪费。
[0004]因此，期待一种用于玉米收割的分离装置的智能控制的技术方案。
[0005]目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0006]深度学习以及神经网络的发展为玉米收割的分离装置的智能控制提供了新的解决思路和方案。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于玉米收割的分离装置的智能控制方法、用于玉米收割的分离装置的智能控制系统和电子设备，其通过基于深度学习的分类问题来对分离装置进行控制，以提高工作效率。具体地，在控制过程中，首先通过对象检测与划分技术确定初始特征图中与当前图像中的玉米作物对应的第一区域和除第一区域以外的第二区域，所述第二区域中包含玉米丝、秸秆、杂草藤蔓等其它成分；接着计算第一区域与第二区域之间的区域差分值矩阵以提取当前收割批次下的玉米棒与其它成分的比例相关的特征；继而对该区域差分值矩阵进行编码后通过分类器以获得用于表示是否应当开启升运器的出料口处的分离装置的分类结果。
[0008]根据本申请的一个方面，提供了一种用于玉米收割的分离装置的智能控制方法，其包括：
[0009]获取待检测图像，所述待检测图像为玉米收割机当前正在收割的区域的图像；
[0010]将所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出初始特征图；
[0011]确定所述初始特征图中与所述待检测图像中玉米作物对象对应的多个第一区域；
[0012]将所述初始特征图中除所述多个第一区域之外的部分划分为多个第二区域；
[0013]计算所述多个第一区域中每个所述第一区域与所述多个第二区域中每个所述第
二区域之间的差分并求和，以获得区域差分特征矩阵；
[0014]将所述区域差分特征矩阵通过一个或多个全连接层，以获得分类特征向量；以及
[0015]将所述分类特征向量通过分类函数，以获得分类结果，所述分类结果用于表示是否应当开启升运器的出料口处的分离装置。
[0016]在上述用于玉米收割的分离装置的智能控制方法中，确定所述初始特征图中与所述待检测图像中玉米作物对象对应的多个第一区域，包括：通过图像语义分割技术，标识出所述初始特征图中的玉米作物对象及其对应的所述多个第一区域。
[0017]在上述用于玉米收割的分离装置的智能控制方法中，确定所述初始特征图中与所述待检测图像中玉米作物对象对应的多个第一区域，包括：在所述待检测图像中以目标候选框的方式标识出所述玉米作物对象；以及，将所述目标候选框在所述待检测图像中的位置映射到所述初始特征图中，以获得所述多个第一区域。
[0018]在上述用于玉米收割的分离装置的智能控制方法中，所述第一区域与所述第二区域具有相同的尺寸。
[0019]在上述用于玉米收割的分离装置的智能控制方法中，所述深度卷积神经网络为深度残差网络。
[0020]根据本申请的另一方面，一种用于玉米收割的分离装置的智能控制系统，其包括：
[0021]待检测图像获取单元，用于获取待检测图像，所述待检测图像为玉米收割机当前正在收割的区域的图像；
[0022]初始特征图生成单元，用于将所述待检测图像获取单元获得的所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出初始特征图；
[0023]第一区域确定单元，用于确定所述初始特征图生成单元获得的所述初始特征图中与所述待检测图像获取单元获得的所述待检测图像中玉米作物对象对应的多个第一区域；
[0024]第二区域确定单元，用于将所述初始特征图生成单元获得的所述初始特征图中除所述第一区域确定单元获得的所述多个第一区域之外的部分划分为多个第二区域；
[0025]区域差分特征矩阵生成单元，用于计算所述第一区域确定单元获得的所述多个第一区域中每个所述第一区域与所述第二区域确定单元获得的所述多个第二区域中每个所述第二区域之间的差分并求和，以获得区域差分特征矩阵；
[0026]分类特征向量生成单元，用于将所述区域差分特征矩阵生成单元获得的所述区域差分特征矩阵通过一个或多个全连接层，以获得分类特征向量；以及
[0027]分类结果生成单元，用于将所述分类特征向量生成单元获得的所述分类特征向量通过分类函数，以获得分类结果，所述分类结果用于表示是否应当开启升运器的出料口处的分离装置。
[0028]在上述用于玉米收割的分离装置的智能控制系统中，所述第一区域确定单元，进一步用于：通过图像语义分割技术，标识出所述初始特征图中的玉米作物对象及其对应的所述多个第一区域。
[0029]在上述用于玉米收割的分离装置的智能控制系统中，所述第一区域确定单元，包括：对象标识子单元，用于在所述待检测图像中以目标候选框的方式标识出所述玉米作物对象；以及，映射子单元，用于将所述对象标识子单元获得的所述目标候选框在所述待检测图像中的位置映射到所述初始特征图中，以获得所述多个第一区域。
[0030]在上述用于玉米收割的分离装置的智能控制系统中，所述第一区域与所述第二区域具有相同的尺寸。
[0031]在上述用于玉米收割的分离装置的智能控制方法中，所述深度卷积神经网络为深度残差网络。
[0032]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的用于玉米收割的分离装置的智能控制方法。
[0033]根据本申请的再又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的用于玉米收割的分离装置的智能控制方法。
[0034]与现有技术相比，本申请提供的用于玉米收割的分离装置的智能控制方法、用于玉米收割的分离装置的智能控制系统和电子设备，其通过基于深度学习的分类问题来对分离装置进行控制，以提高工作效率。具体地，在控制过程中，首先通过对象检测与划分技术确定初始特征图中与当前图像中的玉米作物对应的第一区域和除第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于玉米收割的分离装置的智能控制方法，其特征在于，包括：获取待检测图像，所述待检测图像为玉米收割机当前正在收割的区域的图像；将所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出初始特征图；确定所述初始特征图中与所述待检测图像中玉米作物对象对应的多个第一区域；将所述初始特征图中除所述多个第一区域之外的部分划分为多个第二区域；计算所述多个第一区域中每个所述第一区域与所述多个第二区域中每个所述第二区域之间的差分并求和，以获得区域差分特征矩阵；将所述区域差分特征矩阵通过一个或多个全连接层，以获得分类特征向量；以及将所述分类特征向量通过分类函数，以获得分类结果，所述分类结果用于表示是否应当开启升运器的出料口处的分离装置。2.根据权利要求1所述的用于玉米收割的分离装置的智能控制方法，其中，确定所述初始特征图中与所述待检测图像中玉米作物对象对应的多个第一区域，包括：通过图像语义分割技术，标识出所述初始特征图中的玉米作物对象及其对应的所述多个第一区域。3.根据权利要求1所述的用于玉米收割的分离装置的智能控制方法，其中，确定所述初始特征图中与所述待检测图像中玉米作物对象对应的多个第一区域，包括：在所述待检测图像中以目标候选框的方式标识出所述玉米作物对象；及将所述目标候选框在所述待检测图像中的位置映射到所述初始特征图中，以获得所述多个第一区域。。4.根据权利要求1所述的用于玉米收割的分离装置的智能控制方法，其中，所述第一区域与所述第二区域具有相同的尺寸。5.根据权利要求1所述的用于玉米收割的分离装置的智能控制方法，其中，所述深度卷积神经网络为深度残差网络。6.一种用于玉米收割的分离装置的智能控制系统，其特征在于，包括：待检测图像获取单元，用于获取待检测图像，所述待检测图像为玉米收割机当前正在收割的区域的图像；初始特征图生成单元，用于将所述待检测图像获取单元获得的所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出初...

【专利技术属性】
技术研发人员：张学龙，
申请(专利权)人：成都沱肜缶科技有限公司，
类型：发明
国别省市：