【技术实现步骤摘要】
本专利技术涉及计算机模型，尤其涉及一种面向精准农业的卫星数据高效处理与智能标注方法。
技术介绍
1、在相关技术中，cn118821970a公开了一种基于预标注数据的模型训练方法、装置、电子设备及介质。其中，该方法包括：将预标注数据框添加至人工标注训练数据帧，对添加后的人工标注训练数据帧进行训练；在训练过程中，根据误检数量、当前类预标注数据框的预设召回目标数和不同类预标注数据框之间的误检数量确定混淆矩阵误差率，并根据不同类预标注数据框和当前类预标注数据框的预设召回目标数确定整体误差率；根据混淆矩阵误差率和整体误差率对目标属性回归损失权重系数进行调整，以便根据调整后的权重系数计算标注数据框的损失值。如此，降低了漏检对模型训练带来的影响，缓解了预标注数据的长尾效应，还可降低模型预标注数据误检带来的影响。
2、cn113240125b公开了一种模型训练方法及装置、标注方法及装置、电子设备及计算机可读存储介质，所述模型训练方法包括：获取训练数据集；根据训练数据集，对预设深度学习模型进行训练，得到第一模型；取i值为1；将待标注图像输入第i模型，得到待标注图像的标签信息，并检测待标注图像是否满足第i预设条件，若满足，则将待标注图像及其标签信息放入训练数据集；根据更新后的训练数据集，对第i模型进行训练，得到第i+1模型；检测是否满足结束迭代条件，若不满足，则使i的值加一并进行模型迭代，若满足，则输出第i+1模型。该方法可以实现模型迭代，在迭代的过程中，模型的预测准确率会逐渐提升。
3、因此，在相关技术中，虽然可以对训练模
4、公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术提供一种面向精准农业的卫星数据高效处理与智能标注方法，能够解决相关技术中人工标注存在误差，造成训练的模型也存在误差的技术问题。
2、根据本专利技术的第一方面，提供一种面向精准农业的卫星数据高效处理与智能标注方法,包括：
3、获取具有人工边缘标注信息的第一农业卫星图像组成的第一数据集，以及不具有人工边缘标注信息的第二农业卫星图像组成的第二数据集，其中，第一农业卫星图像的数量少于第二农业卫星图像的数量；
4、设定第一邻域半径，并根据所述第一邻域半径，对所述第一农业卫星图像中的农田区域的人工边缘标注信息上各个像素点进行校正，获得第一校正标注信息；
5、根据所述第一校正标注信息和所述人工边缘标注信息，对边缘检测模型进行训练，得到初始训练状态的边缘检测模型；
6、通过第i-1个训练状态的边缘检测模型对第i个第二农业卫星图像进行处理，得到第i个第二农业卫星图像中的农田区域的初始边缘标注信息，其中，i为正整数，在i=1时，第i-1个训练状态的边缘检测模型为所述初始训练状态的边缘检测模型；
7、根据所述第一邻域半径和所述初始边缘标注信息，确定第i-1个边缘检测模型的边缘检测效果评分；
8、如果第i-1个边缘检测模型的边缘检测效果评分低于预设阈值，则根据第一邻域半径对初始边缘标注信息上各个像素点进行校正，获得第二校正标注信息，并根据第二校正标注信息对第i-1个训练状态的边缘检测模型进行训练，得到第i个训练状态的边缘检测模型；
9、通过第i个训练状态的边缘检测模型对第i+1个第二农业卫星图像进行处理，得到第i+1个第二农业卫星图像中的农田区域的初始边缘标注信息，并确定第i个边缘检测模型的边缘检测效果评分；
10、如果第i个训练状态的边缘检测模型的边缘检测效果评分高于预设阈值，则利用第i个边缘检测模型确定剩余的第二农业卫星图像中农田区域的边缘信息。
11、通过采用上述技术方案，本专利技术可以取得以下技术效果：
12、根据本专利技术，能够对第一农业卫星图像的人工边缘标注信息进行校正，从而降低人工标注的误差，在使用第一农业卫星图像训练边缘检测模型时，可降低训练时产生的误差，提升边缘检测模型的精度，并且，可通过边缘检测模型对没有标注的第二农业卫星进行处理，并对边缘检测模型获得的初始边缘标注信息进行测评和校正，进而不断提升边缘检测模型的精度，从而可使用边缘检测模型获得第二农业卫星图像中农田区域的边缘信息，降低人工标注的工作量和误差。在设置第一校正像素点筛选条件时，可基于边缘位置两侧的像素点的变化规律来设定第一校正像素点筛选条件，通过描述边缘位置两侧的像素点的像素值的对比度和变化率，以及变化率的增长规律，使得第一校正像素点筛选条件能够准确且客观地描述边缘位置两侧的像素点的变化规律，提升筛选准确性。在确定第一损失函数时，可通过条件函数来判断第一边缘信息的误差大小，从而确定条件函数值，并通过像素值变化率来确定第一边缘信息是否适合作为对比度较为显著的两个区域之间的边界，进而通过交并比来确定第一边缘信息围成的区域的误差，使得第一损失函数能够准确反映第一边缘信息多方面的误差，从而能够提升模型训练的精度和效率。在确定边缘检测效果评分时，可将第一平均距离作为比较基准，并通过第二距离的平均值与第一平均距离之间的相对偏差来确定边缘检测效果评分，从而准确描述边缘检测模型的精度情况和边缘检测的效果。在确定第二损失函数时，可通过条件函数来判断初始边缘标注信息的误差大小，从而确定条件函数值，并通过像素值变化率来确定初始边缘标注信息是否适合作为对比度较为显著的两个区域之间的边界，进而通过交并比来确定初始边缘标注信息息围成的区域的误差，使得第二损失函数能够准确反映初始边缘标注信息多方面的误差，从而能够提升模型训练的精度和效率。
13、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本专利技术。根据下面参考附图对示例性实施例的详细说明，本专利技术的其它特征及方面将更清楚。
本文档来自技高网...【技术保护点】
1.一种面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，包括：
2.根据权利要求1所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，设定第一邻域半径，并根据所述第一邻域半径，对所述第一农业卫星图像中的农田区域的人工边缘标注信息上各个像素点进行校正，获得第一校正标注信息，包括：
3.根据权利要求2所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据多个待测像素点的像素值，在多个待测像素点中选择出第一校正像素点，包括：
4.根据权利要求1所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据所述第一校正标注信息和所述人工边缘标注信息，对边缘检测模型进行训练，得到初始训练状态的边缘检测模型，包括：
5.根据权利要求4所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据所述第一边缘信息、所述第一校正标注信息和所述人工边缘标注信息，确定边缘检测模型的第一损失函数，包括：
6.根据权利要求2所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据所述第
7.根据权利要求6所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据所述第二距离和所述第一平均距离，确定第i-1个边缘检测模型的边缘检测效果评分，包括：
8.根据权利要求7所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，所述第二校正标注信息包括多个第二校正像素点，其中，根据第二校正标注信息对第i-1个训练状态的边缘检测模型进行训练，得到第i个训练状态的边缘检测模型，包括：
9.根据权利要求8所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据第二校正像素点与对应的初始边缘标注信息上的像素点之间的第二距离，以及所述第一平均距离，确定第i个训练状态的边缘检测模型的第二损失函数，包括：
...【技术特征摘要】
1.一种面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，包括：
2.根据权利要求1所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，设定第一邻域半径，并根据所述第一邻域半径，对所述第一农业卫星图像中的农田区域的人工边缘标注信息上各个像素点进行校正，获得第一校正标注信息，包括：
3.根据权利要求2所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据多个待测像素点的像素值，在多个待测像素点中选择出第一校正像素点，包括：
4.根据权利要求1所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据所述第一校正标注信息和所述人工边缘标注信息，对边缘检测模型进行训练，得到初始训练状态的边缘检测模型，包括：
5.根据权利要求4所述的面向精准农业的卫星数据高效处理与智能标注方法，其特征在于，根据所述第一边缘信息、所述第一校正标注信息和所述人工边缘标注信息，确定边缘检测模型的第一损失函...
【专利技术属性】
技术研发人员：陈颖，叶芳彬，高立超，黄佑君，蒋宏波，
申请(专利权)人：厦门身份宝网络科技有限公司，
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。