一种农作物育种小区苗数计数方法、装置及系统制造方法及图纸

本发明专利技术属于农作物苗数统计技术领域，特别地，涉及一种农作物育种小区苗数计数方法、装置及系统，通过获取农作物育种小区苗图像；对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；将所述每个小区的矢量边界图输入到训练模型中，其中，所述训练模型为使用多组训练数据训练出来的，所述多组训练数据均包括每个小区的育种苗数标签；获取所述训练模型的输出信息结果，其中，所述输出信息结果包括所述农作物育种小区苗的苗数。本申请技术方案相比于传统依赖大量人工、效率低，本方法省时、省力，并且提高了精确率。并且提高了精确率。并且提高了精确率。

【技术实现步骤摘要】
一种农作物育种小区苗数计数方法、装置及系统


[0001]本专利技术属于农作物苗数统计
，特别地，涉及一种农作物育种小区苗数计数方法、装置及系统。

技术介绍

[0002]农作物分析是农业生产环节中非常重要的一环，早期的基本农作物分析可以帮助农民评估出苗农作物状况，可以及早的对农作物进行补种或者剔除，现在对基本农作物的分析，研究农作物早期出苗株数对育种早期决策，研究不同品种出苗率，以及在空缺土地及时补种作物，提高产量起着重要作用。
[0003]现有技术中，大多需要作业人员到农田中进行采样统计这种方法有比较多的随机性因素存在，并且耗时耗力。例如，在对待测区域中的基本苗数量进行分析时，如果采用人工采样统计的方式，在获得地块的基本苗的数据时需要较大的人力和时间，而且现在的雇工多是老人，安全性也无法保障。
[0004]基于此，如何提高农作物苗数的计算的精确率以及效率是亟待解决的问题。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供一种农作物育种小区苗数计数方法、装置及系统，以解决现有技术的统计方法效率低的问题。
[0006]本专利技术解决其技术问题所采用的技术方案是：
[0007]第一方面，
[0008]本申请提供一种农作物育种小区苗数计数方法，包括以下步骤：
[0009]获取农作物育种小区苗图像；
[0010]对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；
[0011]将所述每个小区的矢量边界图输入到训练模型中，其中，所述训练模型为使用多组训练数据训练出来的，所述多组训练数据均包括每个小区的育种苗数标签；
[0012]获取所述训练模型的输出信息结果，其中，所述输出信息结果包括所述农作物育种小区苗的苗数。
[0013]进一步地，所述获取农作物育种小区苗图像，包括：
[0014]采用飞行打点的方式进行航线规划，并且在实验区域边界的四个角设置的标志物，用于确定待拍摄区域的边界；
[0015]基于无人机平台搭载RGB相机，于固定高度对农作物育种小区苗进行航拍，获取农作物育种小区苗图像。
[0016]进一步地，在获取农作物育种小区苗图像之后，还包括：
[0017]将所述农作物育种小区苗图像发送至Pix4D软件进行拼接，得到各个农作物育种小区的正射拼接图像。
[0018]进一步地，对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边
界图，包括：
[0019]根据从图像到点集、从点集到线段、从线段到候选小区的分割规则，对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；
[0020]所述每个小区的矢量边界图包括位置信息、名字属性以及小区的命名编号。
[0021]进一步地，所述训练模型为Yolov5目标检测算法。
[0022]进一步地，所述Yolov5目标检测算法包括：
[0023]依次连接的输入端、主干单元、Neck单元以及Prediction单元；
[0024]所述输入端包括Mosaic数据增强、自适应锚框计算和自适应图片缩放；
[0025]所述主干单元，包括Focus结构和CSP结构，所述Focus结构用于下采样，所述CSP结构用于将原输入分成两个分支,分别进行卷积操作使得通道数减半；
[0026]所述Neck单元包括FPN网络结构和PAN网络结构，用于将FPN层与自底向上的特征金字塔进行结合，将提取的语义特征与位置特征进行融合，并将主干层与检测层进行特征融合；
[0027]所述Prediction单元为使用GIOU_Loss函数进行反向梯度传播。
[0028]第二方面，
[0029]本申请提供一种农作物育种小区苗数计数装置，包括：
[0030]获取模块，用于获取农作物育种小区苗图像；
[0031]小区分割模块，用于对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；
[0032]输入模块，用于将所述每个小区的矢量边界图输入到训练模型中，其中，所述训练模型为使用多组训练数据训练出来的，所述多组训练数据均包括每个小区的育种苗数标签；
[0033]结果输出模块，用于获取所述训练模型的输出信息结果，其中，所述输出信息结果包括所述农作物育种小区苗的苗数。
[0034]第三方面，
[0035]本申请提供一种农作物育种小区苗数计数系统，包括：
[0036]存储器和处理器；
[0037]所述存储器用于存储所述处理器可执行指令；
[0038]所述处理器被配置为用于执行第一方面任一项所述的方法。
[0039]有益效果：
[0040]本申请技术方案提供的一种农作物育种小区苗数计数方法，通过获取农作物育种小区苗图像；对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；将所述每个小区的矢量边界图输入到训练模型中，其中，所述训练模型为使用多组训练数据训练出来的，所述多组训练数据均包括每个小区的育种苗数标签；获取所述训练模型的输出信息结果，其中，所述输出信息结果包括所述农作物育种小区苗的苗数。本申请技术方案相比于传统依赖大量人工、效率低，本方法省时、省力，并且提高了精确率。
附图说明
[0041]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1是本专利技术实施例提供的一种农作物育种小区苗数计数方法流程图；
[0043]图2是本专利技术另一个实施例提供的Yolov5结构示意图；
[0044]图3是本专利技术实施例提供的一种农作物育种小区苗数计数装置结构图。
具体实施方式
[0045]为使本申请的目的、技术方案和优点更加清楚，下面结合附图和实施例对本专利技术的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本申请一部分实施例，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的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
[0046]请参照图1，本专利技术实施例提供了一种农作物育种小区苗数计数方法流程步骤示意图，包括以下步骤：
[0047]步骤S101、获取农作物育种小区苗图像；
[0048]步骤S102、对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；
[0049]步骤S103、将所述每个小区的矢量边界图输入到训练模型中，其中，所述训练模型为使用多组训练数据训练出来的，所述多组训练数据均包括每个小区的育种苗数标签；
[0050]步骤S104、获取所述训练模型的输出信息结果，其中，所述输出信息结果包括所述农作物育种小区苗的苗数。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物育种小区苗数计数方法，其特征在于，包括以下步骤：获取农作物育种小区苗图像；对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；将所述每个小区的矢量边界图输入到训练模型中，其中，所述训练模型为使用多组训练数据训练出来的，所述多组训练数据均包括每个小区的育种苗数标签；获取所述训练模型的输出信息结果，其中，所述输出信息结果包括所述农作物育种小区苗的苗数。2.根据权利要求1所述的方法，其特征在于，所述获取农作物育种小区苗图像，包括：采用飞行打点的方式进行航线规划，并且在实验区域边界的四个角设置的标志物，用于确定待拍摄区域的边界；基于无人机平台搭载RGB相机，于固定高度对农作物育种小区苗进行航拍，获取农作物育种小区苗图像。3.根据权利要求1或2所述的方法，其特征在于，在获取农作物育种小区苗图像之后，还包括：将所述农作物育种小区苗图像发送至Pix4D软件进行拼接，得到各个农作物育种小区的正射拼接图像。4.根据权利要求1所述的方法，其特征在于，对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图，包括：根据从图像到点集、从点集到线段、从线段到候选小区的分割规则，对所述农作物育种小区苗图像进行小区分割，得到每个小区的矢量边界图；所述每个小区的矢量边界图包括位置信息、名字属性以及小区的命名编号。5.根据权利要求1所述的方法，其特征在于，所述训练模型为Yolov5目标检测算法。6.根据权利要求5所述...

【专利技术属性】
技术研发人员：郭建明，张旭博，韩海燕，曲伟伟，李贺，
申请(专利权)人：北京爱科农科技有限公司，
类型：发明
国别省市：