一种应用于无人机航拍图像的罂粟智能识别方法及系统技术方案

本发明专利技术属于图像识别领域，提供了一种应用于无人机航拍图像的罂粟智能识别方法及系统，包括利用无人机获取罂粟航拍图像，并进行预处理；基于预处理后的罂粟航拍图像，利用预先训练好的罂粟植物目标检测模型进行识别，得到罂粟识别结果；其中，所述罂粟植物目标检测模型，包括主干网络、颈网络和检测头网络；所述主干网络包括五个检测单元和一个空间金字塔池化网络；所述第一检测单元为Focus模块；所述第二检测单元以及第五检测单元均是由CSP Bottleneck和下采样层组成；所述第三检测单元以及第四单元是自适应空间相关金字塔注意力机制模型。本发明专利技术提出的模型能够处理复杂背景下的罂粟原植物目标识别问题，减少漏检率。减少漏检率。减少漏检率。

【技术实现步骤摘要】
一种应用于无人机航拍图像的罂粟智能识别方法及系统


[0001]本专利技术属于图像识别
，具体涉及一种应用于无人机航拍图像的罂粟智能识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]无人机航拍罂粟原植物检测主要依赖专家经验，即判图人员需要专业的罂粟甄别培训，在图像中依据罂粟特征信息确定其所在位置。然而，由于不同生长期的罂粟原植物，其表现的外形特征不尽相同；同时，为了躲避禁毒人员排查，一般选择种植的罂粟环境也较为复杂，如在偏僻的院落或田间种植、靠近墙壁处种植、废弃厂区、房前屋后、与其他植物混合种植（套种）等；还有在人迹罕至的沟壑、滩涂、山地、林地等易于隐蔽地点种植。增加了人工视觉检测航拍图像罂粟原植物难度，且实际工作显示一位熟练的专家，平均至少需要10分钟检测1张无人机图像中包含的所有罂粟原植物目标。另外，无人机图像均为高分辨率图像，且无人机飞行任务较多时，采集的图像数量往往巨大，长时间高负荷工作，容易增加专业人员的主观漏检、误检风险，致使部分非法罂粟原植物成为漏网之鱼，降低禁毒工作成效。因此，迫切需要新技术、新方法，辅助禁毒工作人员准确检测航拍罂粟图像，有效提高工作效率和检测精度。
[0004]深度学习作为人工智能的重要方法之一，将图像浅层特征（纹理）抽象至高层特征（轮廓），进而完成识别任务，无需手动（人为）提取特征过程，采用端到端的学习方式，已成功应用于图像目标检测、语义分割、场景分割等领域。目前基于深度学习的目标检测与识别算法大致分为以下两类：基于区域建议的目标检测与识别算法，如R
‑
CNN，Fast
‑
R
‑
CNN，Faster
‑
R
‑
CNN；基于回归的目标检测与识别算法，如YOLO，SSD。然而，现有的目标检测方法都是针对Pascal VOC、COCO、Image Net等通用数据集的目标检测，这些目标往往尺度较大，相对容易检测。而航拍图像中罂粟原植物目标具有尺度小、背景信息干扰严重等特点，增加了识别难度。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种应用于无人机航拍图像的罂粟智能识别方法及系统，本专利技术实现利用深度学习算法辅助人工排查航拍图像罂粟目标；解决复杂背景环境下的罂粟目标检测问题。
[0006]根据一些实施例，本专利技术的第一方案提供了一种应用于无人机航拍图像的罂粟智能识别方法，采用如下技术方案：一种应用于无人机航拍图像的罂粟智能识别方法，包括：利用无人机获取罂粟航拍图像，并进行预处理；基于预处理后的罂粟航拍图像，利用预先训练好的罂粟植物目标检测模型进行识
别，得到罂粟识别结果；其中，所述罂粟植物目标检测模型，包括主干网络、颈网络和检测头网络；所述主干网络包括五个检测单元和一个空间金字塔池化网络；第一检测单元为Focus模块；第二检测单元以及第五检测单元均是由CSP Bottleneck和下采样层组成；第三检测单元以及第四单元是自适应空间相关金字塔注意力机制模型。
[0007]根据一些实施例，本专利技术的第二方案提供了一种应用于无人机航拍图像的罂粟智能识别系统，采用如下技术方案：一种应用于无人机航拍图像的罂粟智能识别系统，包括：数据采集处理模块，被配置为利用无人机获取罂粟航拍图像，并进行预处理；罂粟识别模块，被配置为基于预处理后的罂粟航拍图像，利用预先训练好的罂粟植物目标检测模型进行识别，得到罂粟识别结果；其中，所述罂粟植物目标检测模型，包括主干网络、颈网络和检测头网络；所述主干网络包括五个检测单元和一个空间金字塔池化网络；第一检测单元为Focus模块；第二检测单元以及第五检测单元均是由CSP Bottleneck和下采样层组成；第三检测单元以及第四单元是自适应空间相关金字塔注意力机制模型。
[0008]根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质。
[0009]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的一种应用于无人机航拍图像的罂粟智能识别方法中的步骤。
[0010]根据一些实施例，本专利技术的第四方案提供了一种计算机设备。
[0011]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的一种应用于无人机航拍图像的罂粟智能识别方法中的步骤。
[0012]与现有技术相比，本专利技术的有益效果为：本专利技术设计自适应空间相关金字塔注意力机制模型，在该模型中，构建空间金字塔特征提取模组，抽取航拍特征图像的多尺度空间特征信息；构建空间相关特征融合模组，对多尺度空间相关特征矩阵信息进行重校准，然后融合校准后的多尺度空间特征矩阵，生成空间位置注意力矩阵。
附图说明
[0013]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0014]图1是本专利技术实施例所述的罂粟植物目标检测模型框图；图2是本专利技术实施例所述的自适应空间相关金字塔注意力模型框图；图3是本专利技术实施例所述的空间金字塔特征提取模组结构图；图4是本专利技术实施例所述的空间相关性融合模组结构图。
具体实施方式
[0015]下面结合附图与实施例对本专利技术作进一步说明。
[0016]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0017]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0018]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0019]实施例一如图1所示，本实施例提供了一种应用于无人机航拍图像的罂粟智能识别方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器和系统，并通过终端和服务器的交互实现。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。本实施例中，该方法包括以下步骤：利用无人机获取罂粟航拍图像，并进行预处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于无人机航拍图像的罂粟智能识别方法，其特征在于，包括：利用无人机获取罂粟航拍图像，并进行预处理；基于预处理后的罂粟航拍图像，利用预先训练好的罂粟植物目标检测模型进行识别，得到罂粟识别结果；其中，所述罂粟植物目标检测模型，包括主干网络、颈网络和检测头网络；所述主干网络包括五个检测单元和一个空间金字塔池化网络；第一检测单元为Focus模块；第二检测单元以及第五检测单元均是由CSP Bottleneck和下采样层组成；第三检测单元以及第四单元是自适应空间相关金字塔注意力机制模型。2.如权利要求1所述的一种应用于无人机航拍图像的罂粟智能识别方法，其特征在于，所述利用无人机获取罂粟航拍图像，并进行预处理，具体为：对罂粟航拍图像进行拉伸、翻转、旋转、明暗度变化操作，最终生成扩容后的罂粟图像数据集；基于扩容后的罂粟图像数据集，采用目标检测工具对罂粟图像中的罂粟进行标注；以标注图像中罂粟坐标位置为中心点，生成1024
×
1024分辨率的图像。3.如权利要求1所述的一种应用于无人机航拍图像的罂粟智能识别方法，其特征在于，所述自适应空间相关金字塔注意力机制模型，具体为：第一层为三个独立的1*1卷积层；第二层为两个独立的空间金字塔特征提取模组；第三层为三个空间相关性融合模组；第四层为softmax层。4.如权利要求3所述的一种应用于无人机航拍图像的罂粟智能识别方法，其特征在于，所述空间金字塔特征提取模组分别采用1x1、3x3、5x5大小的核的平均池化分支，获取罂粟目标的上下文背景信息；所述空间相关性融合模组包括依次连接的通道层、全局平均池化层、两个全连接神经网络、softmax函数层、通道相乘层以及特征相加层。5.如权利要求1所述的一种应用于无人机航拍图像的罂粟智能识别方法，其特征在于，所述自适应空间相关金字塔注意力机制模型提取罂粟特征目标的空间相关性，具体为：利用三个独立的卷积层将特征图X的通道数降维，生成三个新的特征矩阵、、；特征矩阵和特征矩阵分别传送至两个独立的空间金字塔特征提取模组，利用三个分支池化操作，对应特征矩阵和特征矩阵分别生成三对不同尺度的空间特征信息矩阵,,和,,,其中；将矩阵,,和转置的,,矩阵分别相乘计算得到三对空间相关矩阵,,和，其中；并将三对空间相关矩阵传送至空间相关性融合模组，通过自适应方式对空间相关特征矩阵进行重校准，其采用自学习的方式自主选择出重要的特征信息，并压缩无用的特征信息，以隐式方式建立罂粟图像的多尺度空间特征；
空间相关性融合模组输出的矩阵送入softmax层生成空间...

【专利技术属性】
技术研发人员：谷永辉，张庆贤，梁春丽，
申请(专利权)人：山东捷讯通信技术有限公司，
类型：发明
国别省市：