【技术实现步骤摘要】
本专利技术涉及植株识别与作物表型监测，特别是涉及一种监测玉米苗数的方法、计算机设备及计算机程序产品。
技术介绍
1、作为世界上产量和种植面积最大的农作物之一，玉米的消费量在过去十年中迅速增长，而种植面积却在不断减少。在玉米的种植过程中，玉米的出苗率将直接影响玉米产量，因此有效监测玉米出苗数可以有效指导农民进行补苗等田间管理，从而提高玉米产量。传统的玉米出苗数监测主要依靠人工，是一项密集型和耗时型的工作。因此，通过新的技术手段自动、精确以及无损地监测玉米出苗数对于提高玉米产量具有重要的现实意义。
2、在过去的几年中，无人飞行器(unmanned aerial vehicle)平台能够捕捉到分辨率仅为几厘米到几毫米的的详细影像，从而在作物监测方面取得了巨大成就。这些影像能清晰地显示作物器官(如叶片)，使其成为在田间条件下广泛使用的植物表型资源。高空间分辨率的rgb遥感提供了一个有效监测玉米苗数的机会。rgb影像可以通过使用无人驾驶飞行器平台进行远程捕获，空间分辨率从几厘米到几毫米不等。因此，这些影像已被广泛用于田间条件下的植物表型分析(李晨.无人农场有“脑”农业[j].中国农村科技,2021(04):38-41.)。
3、在过去的几十年里，机器学习在学习和预处理技术方面经历了显著的进步。这些进步之一是人工神经网络向具有改进的学习能力的越来越深的神经网络架构演变。如今，这些深度学习方法已被广泛用于解决复杂田间条件下作物识别当中。吴晶(吴晶.基于卷积神经网络的作物计数方法研究[j].[2023-11-22].)提
4、目前已有的作物数量监测方法存在一些局限，主要表现在以下两方面：
5、1)已有研究使用的包括传统影像处理技术以及深度学习技术均是在很小的实验环境下完成，虽然得到了很好的效果，但是距离应用到实际大田环境还有一定的距离。
6、2)已有研究中模型易在不同的分辨率以及作物不同生育时期等情况下导致识别精度差距较大，在不同的数据获取情况与实际的复杂田间环境中不具有鲁棒性。
技术实现思路
1、本专利技术的目的是提供一种监测玉米苗数的方法、计算机设备及计算机程序产品，以实现对田间复杂环境下玉米苗数的高效、准确检测。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种监测玉米苗数的方法，包括：
4、获取不同分辨率的样本玉米种植区域影像；所述样本玉米种植区域包括若干样本玉米种植小区；各所述样本玉米种植小区中分别种植有不同密度以及不同生育时期的玉米；
5、采用运动恢复结构算法对所述样本玉米种植区域影像进行正射校正和拼接，得到样本正射拼接影像；
6、按照设定尺寸对所述样本正射拼接影像进行裁剪，得到若干样本玉米种植小区影像；
7、对各所述样本玉米种植小区影像中的玉米苗进行标记，得到若干含有玉米苗标注框的不同密度、不同分辨率以及不同生育时期的样本玉米种植小区影像；
8、根据各所述样本玉米种植小区影像构建样本数据集；
9、基于所述样本数据集训练yolov8模型，得到玉米苗检测模型；
10、采用所述玉米苗检测模型检测待测玉米种植区域的玉米苗数。
11、可选地，采用所述玉米苗检测模型检测待测玉米种植区域的玉米苗数，具体包括：
12、获取待测玉米种植区域影像；
13、采用运动恢复结构算法对所述待测玉米种植区域影像进行正射校正和拼接，得到待测正射拼接影像；
14、按照设定尺寸对所述待测正射拼接影像进行裁剪，得到若干待测玉米种植小区影像；
15、采用所述玉米苗检测模型检测各所述待测玉米种植小区影像中的玉米苗，并统计所有待测玉米种植小区的玉米苗数，得到待测玉米种植区域的玉米苗数。
16、可选地，基于所述样本数据集训练yolov8模型，得到玉米苗检测模型，具体包括：
17、将所述样本数据集按照8:1:1的比例划分为训练集、测试集和验证集；
18、采用所述训练集训练不同配置文件的yolov8模型，得到若干训练好的yolov8模型；
19、采用所述验证集评估各所述训练好的yolov8模型的检测精度，采用所述测试集评估各所述训练好的yolov8模型的泛化能力，以从中选出表现最佳的训练好的yolov8模型作为玉米苗检测模型。
20、可选地，根据各所述样本玉米种植小区影像构建样本数据集，具体包括：
21、对各所述样本玉米种植小区影像进行数据增强，得到样本数据集。
22、可选地，所述数据增强包括限制对比度自适应直方图均衡化、白平衡调整、亮度/饱和度/对比度增强、自适应亮度增强、随机遮挡、影像高斯模糊和影像压缩中的至少一项。
23、可选地，获取待测玉米种植区域影像，具体包括：
24、采用无人机搭载相机获取待测玉米种植区域影像。
25、可选地，采用运动恢复结构算法对所述待测玉米种植区域影像进行正射校正和拼接，得到待测正射拼接影像，具体包括：
26、根据相机内方位元素和相机外方位元素对所述待测玉米种植区域影像中的所有照片进行筛选和对齐，得到对齐的照片；所述相机内方位元素包括相机的焦距和像主点位置；所述相机外方位元素包括拍照时相机所在的位置和拍照角度；
27、根据所述待测玉米种植区域影像中的重叠照片像素在三维空间中的位置建立待测玉米种植区域的三维网格模型；
28、根据对齐的照片和待测玉米种植区域的三维网格模型，将所述待测玉米种植区域影像拼接为覆盖待测玉米种植区域的待测正射拼接影像。
29、可选地，按照设定尺寸对所述待测正射拼接影像进行裁剪，得到若干待测玉米种植小区影像，具体包括：
30、按照设定尺寸绘制待测玉米种植区域中每个待测玉米种植小区的边界，得到边界文件；
31、根据边界文件对所述待测正射拼接影像进行裁剪，得到若干待测本文档来自技高网...
【技术保护点】
1.一种监测玉米苗数的方法，其特征在于，包括：
2.根据权利要求1所述的监测玉米苗数的方法，其特征在于，采用所述玉米苗检测模型检测待测玉米种植区域的玉米苗数，具体包括：
3.根据权利要求1所述的监测玉米苗数的方法，其特征在于，基于所述样本数据集训练YOLOv8模型，得到玉米苗检测模型，具体包括：
4.根据权利要求1所述的监测玉米苗数的方法，其特征在于，根据各所述样本玉米种植小区影像构建样本数据集，具体包括：
5.根据权利要求4所述的监测玉米苗数的方法，其特征在于，所述数据增强包括限制对比度自适应直方图均衡化、白平衡调整、亮度/饱和度/对比度增强、自适应亮度增强、随机遮挡、影像高斯模糊和影像压缩中的至少一项。
6.根据权利要求2所述的监测玉米苗数的方法，其特征在于，获取待测玉米种植区域影像，具体包括：
7.根据权利要求6所述的监测玉米苗数的方法，其特征在于，采用运动恢复结构算法对所述待测玉米种植区域影像进行正射校正和拼接，得到待测正射拼接影像，具体包括：
8.根据权利要求7所述的监测玉米苗数的方法，
9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1-8中任一项所述的监测玉米苗数的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的监测玉米苗数的方法的步骤。
...【技术特征摘要】
1.一种监测玉米苗数的方法，其特征在于，包括：
2.根据权利要求1所述的监测玉米苗数的方法，其特征在于，采用所述玉米苗检测模型检测待测玉米种植区域的玉米苗数，具体包括：
3.根据权利要求1所述的监测玉米苗数的方法，其特征在于，基于所述样本数据集训练yolov8模型，得到玉米苗检测模型，具体包括：
4.根据权利要求1所述的监测玉米苗数的方法，其特征在于，根据各所述样本玉米种植小区影像构建样本数据集，具体包括：
5.根据权利要求4所述的监测玉米苗数的方法，其特征在于，所述数据增强包括限制对比度自适应直方图均衡化、白平衡调整、亮度/饱和度/对比度增强、自适应亮度增强、随机遮挡、影像高斯模糊和影像压缩中的至少一项。
6.根据权利要求2所述的监测玉米苗数的方法，其特征...
【专利技术属性】
技术研发人员：江甜甜，黎亮，金秀良，殷大萌，余汛，刘亚东，
申请(专利权)人：中国农业科学院作物科学研究所，
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。