一种稻虾种养系统沟坑占比航测方法技术方案

本发明专利技术公开了一种稻虾种养系统沟坑占比航测方法，包括步骤：利用无人机获取稻虾种养系统的正射影像图；构建沟坑识别样本集和沟坑类型识别样本集；训练沟坑识别模型和沟坑类型识别模型；对待测稻虾种养系统进行沟坑识别，并对沟坑类型进行识别；提取沟坑区域，计算沟坑占比。本发明专利技术利用图像处理技术实现了沟坑占比测量和沟坑类型统计，解决了由于稻虾种养系统沟坑形状复杂多元且不规则导致的实地量测耗时费力以及偏差大、分类计算难以开展的问题。题。题。

【技术实现步骤摘要】
一种稻虾种养系统沟坑占比航测方法


[0001]本专利技术属于无人机航测
，具体涉及一种稻虾种养系统沟坑占比航测方法。

技术介绍

[0002]稻虾综合种养是指充分利用稻田水土资源进行水稻种植和克氏原螯虾养殖的低碳绿色生产模式，由于其较高的综合效益，稻虾综合种养总面积近年来得到快速增长。稻虾综合种养区别于传统稻作最显著的特征是需要在稻田中开挖沟坑，用于为克氏原螯虾提供繁殖、暂养和栖息地。
[0003]为尽可能减少稻虾综合种养对水稻生产的影响，沟坑占比须要不超过10％。然而，经调研发现，一些地区种养户盲目扩大稻虾种养系统的沟坑占比，致使“种”“养”天平失衡、重心偏移，不仅较大比例占用、破损了耕地资源，也直接威胁到正常的粮食生产。
[0004]为保障粮食生产和耕地资源不被破坏，需要对稻虾综合种养的沟坑占比进行监测以规范生产。然而目前，稻虾种养系统沟坑占比量测长期靠人工目测和简易设备现场进行，单日量测效率低，由于稻虾种养系统沟坑形状繁杂多元、不规则，存在实地量测耗时费力、偏差大、分类计算难以开展的技术瓶颈问题。

技术实现思路

[0005]本专利技术针对现有技术中的不足，提供一种稻虾种养系统沟坑占比航测方法，以解决传统实地量测方法效率低、精度劣、误差大的问题。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种稻虾种养系统沟坑占比航测方法，包括以下步骤：
[0008]步骤1：利用无人机拍摄稻虾种养系统的全景影像，以获取全景影像数据；
[0009]步骤2：对全景影像数据进行预处理，生成整个稻虾种养系统的正射影像图；
[0010]步骤3：将正射影像图裁剪为若干相同大小的图像样本，并将图像样本分为含有沟坑和不含有沟坑的两类，以构建沟坑识别样本集；对于含有沟坑的图像样本，将其按照沟坑类型分成多类，以构建沟坑类型识别样本集；
[0011]步骤4：利用沟坑识别样本集训练沟坑识别模型，并利用沟坑类型识别样本集训练沟坑类型识别模型；
[0012]步骤5：对于待测稻虾种养系统，将其正射影像图裁剪为和图像样本大小相同的若干待测图像，将待测图像逐一输入沟坑识别模型中以判断该待测图像是否含有沟坑，对于含有沟坑的待测图像，将其输入沟坑类型识别模型中进一步判断沟坑类型；
[0013]步骤6：对于含有沟坑的待测图像，分别获取其沟坑区域所占的像素数，并将各沟坑区域的像素数总和与待测稻虾种养系统正射影像图的像素数总和间的比值作为待测稻虾种养系统的沟坑占比。
[0014]进一步地，步骤1中，无人机的飞行高度为300米，图像获取方式为垂直获取，影像
格式为RGB，飞行航线重复率为70％，航点重复率为65％，图像分辨率不小于2000万像素。
[0015]进一步地，步骤2中，将获取的全景影像数据导入Agisoft Photoscan软件中，进行图像的对齐和拼接以生成整个稻虾种养系统的正射影像图；在Agisoft Photoscan软件中，将图像对齐精度设置为Medium，点云密度设置为Low，空间三角形数量设置为Little，空间位置校准设置为RTK。
[0016]进一步地，步骤4中，对于沟坑识别样本集中的每个图像样本，提取其超绿特征、绿红差值指数、归一化绿度指数构成沟坑区域特征，用来训练随机森林二分类模型并将其作为沟坑识别模型；
[0017]超绿特征的计算公式为：ExG＝2G
‑
R
‑
B，
[0018]绿红差值指数的计算公式为：GMR＝G
‑
R，
[0019]归一化绿度指数的计算公式为：b＝B/(R+G+B)，
[0020]其中，R、G、B分别表示图像的R通道、G通道、B通道。
[0021]进一步地，步骤4中，对于沟坑类型识别样本集中的每个图像样本，首先将其灰度化，然后通过最大类间方差法进行二值化，将图像分为沟坑区域和非沟坑区域，获取沟坑区域的最小外接矩形的长宽比、沟坑区域在整个图像中的面积占比以及二值图像的最小二阶矩构成沟坑类型特征，用来训练随机森林多分类模型并将其作为沟坑类型识别模型；其中，最小二阶矩的计算公式为：p(i,j)表示二值图像第i行第j列的像素值，n、m分别为二值图像的总行数和总列数。
[0022]本专利技术的有益效果是：
[0023]本专利技术提出了一种基于无人机航测的稻虾种养系统沟坑占比计算方法，利用图像处理技术实现了沟坑占比测量和沟坑类型统计，解决了由于稻虾种养系统沟坑形状复杂多元且不规则导致的实地量测耗时费力以及偏差大、分类计算难以开展的问题。
附图说明
[0024]图1为本专利技术方法的流程示意图；
[0025]图2为实施例中获取的正射影像图；
[0026]图3为随机森林模型的示意图；
[0027]图4为实施例中沟坑类型的示意图；
[0028]图5为实施例中各类型沟坑的占比。
具体实施方式
[0029]现在结合附图对本专利技术作进一步详细的说明。
[0030]如图1所示，本专利技术提供的稻虾种养系统沟坑占比航测方法主要包括以下步骤：
[0031]步骤A：无人机图像获取，为使航测顺利进行，图像采集设备需具备如下要求：航测使用大疆精灵4
‑
RTK小型多旋翼高精度航测无人机，其云台系统搭载有1英寸2000万像素CMOS传感器，智能红外感知和视觉避障系统，并配备TimeSync系统RTK模块及高灵敏度全球卫星导航系统(GNSS)，使其具备厘米级导航定位精度和高性能成像系统，具体无人机及相机参数如表1、表2所示。
[0032]表1大疆精灵4RTK无人机平台参数
[0033][0034]表2大疆精灵4RTK无人机相机参数
[0035][0036]选取稻虾综合种养典型田块进行航测，为了保证作业时飞机的安全性及数据采集的可靠性，起飞前检查无人机完整性，周边有无遮挡和行人等危险，并设置航点、航线、飞行高度以及图像重复率。为保证建模精度要求以及重叠区域有足够的数据要求，使用戴屏遥控器内置的全新GS RTKApp规划航线，飞行高度为300m、飞行航线重叠度为70％、航点重叠度为65％，飞行速度不大于7m/s，图像获取方式为垂直获取，影像模式RGB。
[0037]步骤B：数据预处理，将获取的高精度影像数据导入Agisoft Photoscan软件中，进行对齐照片、生成密集点云，图像拼接选择GPU加速，图像对齐精度选择Medium(与重叠率相匹配)，点云密度选择Low(约束图片质量),空间三角形数量选择Little(约束图片质量)，空间位置校准选择RTK(图片拼接位置)，位置校准通过地面敏感部位确定，随后继续生成网格及纹理，自动高效生成正射影像图(DOM)，最后导出正射影像图，如图2所示。
[0038]步骤C：构建数据集，将正射影像图裁剪为若干相同大小的图像样本，并将图像样本分为含有沟坑和不含有沟坑的两类，以构建沟坑识别样本集；对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种稻虾种养系统沟坑占比航测方法，其特征在于，包括以下步骤：步骤1：利用无人机拍摄稻虾种养系统的全景影像，以获取全景影像数据；步骤2：对全景影像数据进行预处理，生成整个稻虾种养系统的正射影像图；步骤3：将正射影像图裁剪为若干相同大小的图像样本，并将图像样本分为含有沟坑和不含有沟坑的两类，以构建沟坑识别样本集；对于含有沟坑的图像样本，将其按照沟坑类型分成多类，以构建沟坑类型识别样本集；步骤4：利用沟坑识别样本集训练沟坑识别模型，并利用沟坑类型识别样本集训练沟坑类型识别模型；步骤5：对于待测稻虾种养系统，将其正射影像图裁剪为和图像样本大小相同的若干待测图像，将待测图像逐一输入沟坑识别模型中以判断该待测图像是否含有沟坑，对于含有沟坑的待测图像，将其输入沟坑类型识别模型中进一步判断沟坑类型；步骤6：对于含有沟坑的待测图像，分别获取其沟坑区域所占的像素数，并将各沟坑区域的像素数总和与待测稻虾种养系统正射影像图的像素数总和间的比值作为待测稻虾种养系统的沟坑占比。2.如权利要求1所述的一种稻虾种养系统沟坑占比航测方法，其特征在于，步骤1中，无人机的飞行高度为300米，图像获取方式为垂直获取，影像格式为RGB，飞行航线重复率为70％，航点重复率为65％，图像分辨率不小于2000万像素。3.如权利要求1所述的一种稻虾种养系统沟坑占比航测方法，其特征在于，步骤2中，将获取的全景影像数据导入Agisoft Photoscan软件中，进行图像的对齐和拼接以生...

【专利技术属性】
技术研发人员：高辉，刘涛，徐强，窦志，张洪程，吴飞，蒋榕，
申请(专利权)人：扬州大学，
类型：发明
国别省市：