【技术实现步骤摘要】
一种植被异常检测方法、装置、系统和存储介质
[0001]本申请涉及图像处理
,具体涉及一种植被异常检测方法、装置、系统和存储介质。
技术介绍
[0002]目前植被生长情况的监测不够全面,无法利用植被检测模型识别出未训练过的未知植被异常类型,直接将未知植被异常类型对应的植被异常区域忽略掉,导致植被异常的监测效果不好;因此如何对植被生长情况进行快速全面准确地监测和预警,成为本领域技术人员亟待解决的问题。
技术实现思路
[0003]本申请提供一种植被异常检测方法、装置、系统和存储介质,能够提高对植被进行异常检测的准确度。
[0004]为解决上述技术问题,本申请采用的技术方案是:提供一种植被异常检测方法,该植被异常检测方法包括:获取待检测植被图像;从预设图像库中选出与待检测植被图像的相似度大于第一预设阈值的参考植被图像;对参考植被图像与待检测植被图像进行差异比对,得到差异区域图像;对差异区域图像进行识别,得到植被异常识别结果,植被异常识别结果包括差异区域图像中的植被是否异常。
[0005]为解决上述技术问题,本申请采用的另一技术方案是:提供一种植被检测装置,该装置包括互相连接的存储器和处理器,其中,所述存储器用于存储计算机程序,所述计算机程序在被所述处理器执行时,用于实现上述技术方案中的植被异常检测方法。
[0006]为解决上述技术问题,本申请采用的又一技术方案是:提供一种植被检测系统,该植被检测系统包括采集装置与植被检测装置,所述采集装置与所述植被检测装置进行通信连接,其中,所 ...
【技术保护点】
【技术特征摘要】
1.一种植被异常检测方法,其特征在于,包括:获取待检测植被图像;从预设图像库中选出与所述待检测植被图像的相似度大于第一预设阈值的参考植被图像;对所述参考植被图像与所述待检测植被图像进行差异比对,得到差异区域图像;对所述差异区域图像进行识别,得到植被异常识别结果,所述植被异常识别结果包括所述差异区域图像中的植被是否异常。2.根据权利要求1所述的植被异常检测方法,其特征在于,所述待检测植被图像为原始植被图像中初步异常植被检测的结果为非异常植被图像的图像;所述初步异常植被检测包括:采用分割网络对所述原始植被图像进行处理,以检测所述原始植被图像中是否存在异常植被区域。3.根据权利要求1所述的植被异常检测方法,其特征在于,所述对所述参考植被图像与所述待检测植被图像进行差异比对,得到差异区域图像的步骤,包括:对所述参考植被图像与所述待检测植被图像进行对齐处理,得到对齐后的参考植被图像;对所述对齐后的参考植被图像与所述待检测植被图像进行相似度比对,得到所述差异区域图像。4.根据权利要求3所述的植被异常检测方法,其特征在于,所述对所述对齐后的参考植被图像与所述待检测植被图像进行相似度比对,得到所述差异区域图像的步骤,包括:分别对所述待检测植被图像以及所述对齐后的参考植被图像进行特征提取处理,得到所述待检测植被图像对应的第一图像特征以及所述对齐后的参考植被图像对应的第二图像特征;基于所述第一图像特征与所述第二图像特征,对所述待检测植被图像与所述对齐后的参考植被图像进行相似度比对,得到相似度信息;基于所述相似度信息,生成所述差异区域图像。5.根据权利要求4所述的植被异常检测方法,其特征在于,所述相似度信息包括多个相似值,所述基于所述相似度信息,生成所述差异区域图像的步骤,包括:从所述多个相似值中确定出大于第二预设阈值的相似值;将所述待检测植被图像中与确定出的各个相似值对应的像素值确定为所述差异区域图像的像素值。6.根据权利要求3所述的植被异常检测方法,其特征在于,所述对所述差异区域图像进行识别,得到植被异常识别结果的步骤,包括:对所述差异区域图像进行识别,得到正常植被区域概率值以及背景区域概率值,所述正常植被区域概率值为所述差异区域图像对应的区域为正常植被区域的概率值,所述背景区域概率值为所述差异区域图像对应的区域为背景区域的概率值,所述背景区域为所述待检测植被图像中的非植被区域;基于所述正常植被区域概率值以及所述背景区域概率值,生成所述植被异常识别结果。7.根据权利要求6所述的植被异常检测方法,其特征在于,所述基于所述正常植被区域
概率值以及所述背景区域概率值,生成所述植被异常识别结果的步骤,包括:响应于所述正常植被区域概率值小于第一预设概率值,且所述背景区域概率值小于第二预设概率值,确定所述植被异常识别结果为所述差异区域图像中的植被的类型为异常;响应于所述正常植被区域概率值大于所述第一预设概率值,且所述背景区域概率值小于所述第二预设概率值,确定所述植被...
【专利技术属性】
技术研发人员:李宁钏,严谨,熊剑平,孙海涛,赵蕾,杨剑波,
申请(专利权)人:浙江大华技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。