本申请涉及一种农作物识别方法、装置、计算机设备、存储介质和计算机程序产品，涉及人工智能技术领域，可用于金融科技领域或其他领域。所述方法包括：获取农作物遥感图像，将农作物遥感图像输入至农作物分割模型；通过农作物分割模型的全局特征提取网络对农作物遥感图像进行全局特征提取操作，得到全局图像特征信息，通过基础特征提取网络对农作物遥感图像进行基础特征提取操作，得到基础图像特征信息；通过融合网络对全局图像特征信息和基础图像特征信息进行融合处理，得到融合图像特征信息；通过识别网络对融合图像特征信息进行农作物识别处理，得到农作物遥感图像的识别结果。采用本方法能够提高农作物识别精度，进而提高图像分割精度。图像分割精度。图像分割精度。
【技术实现步骤摘要】
农作物识别方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种农作物识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着人工智能技术和智慧农业的发展，出现了基于深度学习的农作物识别方法。通过图像分割模型对农作物遥感图像进行像素级的农作物识别，可以得到种植的农作物种类、种植面积等基本情况，从而为农情监测、作物估产、生长状态检测、灾害监测和预警提供农情解译数据和信息支持。
[0003]相关技术中，图像分割模型一般采用卷积神经网络，如U
‑
Net网络等。然而，由于农田中不同类别的农作物通常相邻分布，且不同类别的农作物存在外形相似的特点，而卷积神经网络中卷积操作下采样的过程会丢失小尺度特征，这就容易产生语义歧义问题，不利于密集农作物遥感图像的农作物识别，导致农作物识别结果的精确度较低。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高农作物遥感图像的农作物识别精度的农作物识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种农作物识别方法。所述方法包括：
[0006]获取农作物遥感图像，并将所述农作物遥感图像输入至农作物分割模型；所述农作物分割模型包括全局特征提取网络、基础特征提取网络、融合网络和识别网络；
[0007]通过所述全局特征提取网络对所述农作物遥感图像进行全局特征提取操作，得到全局图像特征信息，并通过所述基础特征提取网络对所述农作物遥感图像进行基础特征提取操作，得到基础图像特征信息；
[0008]通过所述融合网络对所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到融合图像特征信息；
[0009]通过所述识别网络对所述融合图像特征信息进行农作物识别处理，得到所述农作物遥感图像的识别结果。
[0010]在其中一个实施例中，所述通过所述全局特征提取网络对所述农作物遥感图像进行全局特征提取操作，得到全局图像特征信息，包括：
[0011]通过所述全局特征提取网络对所述农作物遥感图像进行初始的全局特征提取操作，得到初始的全局图像特征信息；
[0012]对所述农作物遥感图像进行局部特征提取操作，得到局部特征数据，并对所述农作物遥感图像进行全局平均池化操作，得到全局特征数据；
[0013]对所述局部特征数据和所述全局特征数据进行融合处理，基于融合处理后的特征数据得到特征权重信息，并将所述特征权重信息和所述农作物遥感图像进行融合处理，得到增强特征信息；
[0014]将所述初始的全局图像特征信息和所述增强特征信息进行融合处理，得到最终的全局图像特征信息。
[0015]在其中一个实施例中，所述通过所述融合网络对所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到融合图像特征信息，包括：
[0016]通过所述融合网络，将所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到初始的融合图像特征信息；
[0017]将所述初始的融合图像特征信息分别进行水平方向的特征提取操作和垂直方向的特征提取操作，得到水平特征数据和垂直特征数据；
[0018]将所述水平特征数据和所述垂直特征数据进行融合处理，得到最终的融合图像特征信息。
[0019]在其中一个实施例中，所述基础特征提取网络包括多级基础特征提取子网络；所述融合网络包括多级子融合网络，所述基础特征提取子网络与所述子融合网络一一对应；
[0020]所述通过所述基础特征提取网络对所述农作物遥感图像进行基础特征提取操作，得到基础图像特征信息，包括：
[0021]通过第一级的基础特征提取子网络对所述农作物遥感图像进行基础特征提取操作，得到第一级基础特征提取子网络对应的基础图像特征信息；
[0022]针对多级基础特征提取子网络中除所述第一级的基础特征提取子网络之外的其它各级基础特征提取子网络，通过下一级基础特征提取子网络对上一级基础特征提取子网络输出的基础图像特征信息进行基础特征提取操作，得到除第一级之外的其它每一级基础特征提取子网络对应的基础图像特征信息；
[0023]所述通过所述融合网络对所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到融合图像特征信息，包括：
[0024]通过第一级子融合网络对所述全局图像特征信息和最后一级基础特征提取子网络输出的基础图像特征信息进行融合处理，得到所述第一级子融合网络对应的融合图像特征信息；
[0025]针对除第一级之外的其它每级子融合网络，将该级子融合网络对应的基础特征提取子网络输出的基础图像特征信息，和上一级子融合网络输出的融合图像特征信息进行融合处理，得到其它每级子融合网络对应的融合图像特征信息；
[0026]将最后一级子融合网络对应的融合图像特征信息确定为最终的融合图像特征信息。
[0027]在其中一个实施例中，所述农作物分割模型的训练过程包括：
[0028]获取样本图像和所述样本图像的标注数据；所述样本图像为农作物遥感图像，所述标注数据包括所述样本图像中各像素点对应的农作物真实类别；
[0029]将所述样本图像输入至初始的农作物分割模型，得到所述样本图像中各像素点对应的农作物类别为所述农作物真实类别的预测概率；
[0030]根据所述样本图像中各像素点对应的所述预测概率，计算各所述像素点对应的损失值；
[0031]从各所述像素点中筛选出损失值满足预设条件的目标像素点，并基于所述目标像素点对应的损失值确定模型损失值；其中，所述目标像素点的损失值大于各所述像素点中
除所述目标像素点之外的其它像素点的损失值；
[0032]基于所述模型损失值对所述初始的农作物分割模型进行参数更新，得到训练后的农作物分割模型。
[0033]在其中一个实施例中，所述从各所述像素点中筛选出损失值满足预设条件的目标像素点，并基于所述目标像素点对应的损失值确定模型损失值，包括：
[0034]将各所述像素点按照损失值的大小从大到小进行排序，得到像素点序列；
[0035]将所述像素点序列中，排序在前的目标数目个像素点确定为目标像素点；
[0036]将所述目标像素点对应的损失值进行平均计算，得到模型损失值。
[0037]第二方面，本申请还提供了一种农作物识别装置。所述装置包括：
[0038]第一获取模块，用于获取农作物遥感图像，并将所述农作物遥感图像输入至农作物分割模型；所述农作物分割模型包括全局特征提取网络、基础特征提取网络、融合网络和识别网络；
[0039]提取模块，用于通过所述全局特征提取网络对所述农作物遥感图像进行全局特征提取操作，得到全局图像特征信息，并通过所述基础特征提取网络对所述农作物遥感图像进行基础特征提取操作，得到基础图像特征信息；
[0040]融合模块，用于通过所述融合网络对所述全局图像特征信息和所述基础本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种农作物识别方法，其特征在于，所述方法包括：获取农作物遥感图像，并将所述农作物遥感图像输入至农作物分割模型；所述农作物分割模型包括全局特征提取网络、基础特征提取网络、融合网络和识别网络；通过所述全局特征提取网络对所述农作物遥感图像进行全局特征提取操作，得到全局图像特征信息，并通过所述基础特征提取网络对所述农作物遥感图像进行基础特征提取操作，得到基础图像特征信息；通过所述融合网络对所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到融合图像特征信息；通过所述识别网络对所述融合图像特征信息进行农作物识别处理，得到所述农作物遥感图像的识别结果。2.根据权利要求1所述的方法，其特征在于，所述通过所述全局特征提取网络对所述农作物遥感图像进行全局特征提取操作，得到全局图像特征信息，包括：通过所述全局特征提取网络对所述农作物遥感图像进行初始的全局特征提取操作，得到初始的全局图像特征信息；对所述农作物遥感图像进行局部特征提取操作，得到局部特征数据，并对所述农作物遥感图像进行全局平均池化操作，得到全局特征数据；对所述局部特征数据和所述全局特征数据进行融合处理，基于融合处理后的特征数据得到特征权重信息，并将所述特征权重信息和所述农作物遥感图像进行融合处理，得到增强特征信息；将所述初始的全局图像特征信息和所述增强特征信息进行融合处理，得到最终的全局图像特征信息。3.根据权利要求1所述的方法，其特征在于，所述通过所述融合网络对所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到融合图像特征信息，包括：通过所述融合网络，将所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到初始的融合图像特征信息；将所述初始的融合图像特征信息分别进行水平方向的特征提取操作和垂直方向的特征提取操作，得到水平特征数据和垂直特征数据；将所述水平特征数据和所述垂直特征数据进行融合处理，得到最终的融合图像特征信息。4.根据权利要求1所述的方法，其特征在于，所述基础特征提取网络包括多级基础特征提取子网络，所述融合网络包括多级子融合网络，所述基础特征提取子网络与所述子融合网络一一对应；所述通过所述基础特征提取网络对所述农作物遥感图像进行基础特征提取操作，得到基础图像特征信息，包括：通过第一级的基础特征提取子网络对所述农作物遥感图像进行基础特征提取操作，得到第一级基础特征提取子网络对应的基础图像特征信息；针对多级基础特征提取子网络中除所述第一级的基础特征提取子网络之外的其它各级基础特征提取子网络，通过下一级基础特征提取子网络对上一级基础特征提取子网络输出的基础图像特征信息进行基础特征提取操作，得到除第一级之外的其它每一级基础特征
提取子网络对应的基础图像特征信息；所述通过所述融合网络对所述全局图像特征信息和所述基础图像特征信息进行融合处理，得到融合图像特征信息，包括：通过第一级子融合网络对所述全局图像特征信息和最后一级基...
【专利技术属性】
技术研发人员：范蕊，
申请(专利权)人：中国工商银行股份有限公司，
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。