欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2023116447029
申请人: 海口蓝萧羽科技有限公司
专利类型:发明专利
专利状态:授权未缴费
专利领域: 计算;推算;计数
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于无人机的影像目标检测方法,其特征在于,包括:获取由高分辨率相机采集的农田全景图像和由红外相机获取的农田红外视频;

从所述农田全景图像和所述农田红外视频中提取全景农田通道特征向量和红外图像特征向量;

构造所述全景农田通道特征向量和所述红外图像特征向量之间的农田分类特征向量;

基于所述农田分类特征向量,判断是否发出农作物虫害预警提示。

2.根据权利要求1所述的基于无人机的影像目标检测方法,其特征在于,对所述农田全景图像和所述农田红外视频进行特征提取以得到全景农田通道特征向量和红外图像特征向量,包括:将所述农田全景图像通过多层卷积层以得到全景图像特征图;

对所述全景图像特征图进行特征提取以得到所述全景农田通道特征向量;

对所述农田红外视频进行特征提取以得到所述红外图像特征向量。

3.根据权利要求2所述的基于无人机的影像目标检测方法,其特征在于,对所述全景图像特征图进行特征提取以得到所述全景农田通道特征向量,包括:将所述全景图像特征图通过使用目标检测网络的卷积神经网络模型以得到多个农田感兴趣区域;

对所述多个农田感兴趣区域进行降维以得到所述全景农田通道特征向量。

4.根据权利要求3所述的基于无人机的影像目标检测方法,其特征在于,对所述多个农田感兴趣区域进行降维以得到所述全景农田通道特征向量,包括:将所述多个农田感兴趣区域按样本维度进行排列为农田区域特征张量;

对所述农田区域特征张量中各个位置的农田感兴趣区域进行全局特征值均值池化以得到所述全景农田通道特征向量。

5.根据权利要求4所述的基于无人机的影像目标检测方法,其特征在于,对所述农田红外视频进行特征提取以得到所述红外图像特征向量,包括:将所述农田红外视频中的关键帧进行提取以得到多个红外关键帧;

将所述多个红外关键帧通过基于卷积神经网络的空间注意力特征提取器以得到所述红外图像特征向量。

6.根据权利要求5所述的基于无人机的影像目标检测方法,其特征在于,还包括用于对所述多层卷积层、所述作为目标检测网络的卷积神经网络模型、所述使用卷积神经网络的空间注意力机制和所述分类器进行训练的训练方法。

7.根据权利要求6所述的基于无人机的影像目标检测方法,其特征在于,对所述多层卷积层、所述作为目标检测网络的卷积神经网络模型、所述使用卷积神经网络的空间注意力机制和所述分类器进行训练的训练方法,包括:获取训练数据,所述训练数据包括由高分辨率相机采集的训练农田全景图像和由红外相机获取的训练农田红外视频;

将所述训练农田全景图像通过多层卷积层以得到训练全景图像特征图;

将所述训练全景图像特征图通过使用目标检测网络的卷积神经网络模型以得到多个训练农田感兴趣区域;

将所述多个训练农田感兴趣区域按样本维度进行排列为训练农田区域特征张量;

对所述训练农田区域特征张量中各个位置的农田感兴趣区域进行全局特征值均值池化以得到所述训练全景农田通道特征向量;

将所述训练农田红外视频中的关键帧进行提取以得到多个训练红外关键帧;

将所述多个训练红外关键帧通过基于卷积神经网络的空间注意力特征提取器以得到所述训练红外图像特征向量;

构造所述训练全景农田通道特征向量和所述训练红外图像特征向量之间的训练农田分类特征向量;

计算所述训练全景农田通道特征向量和所述训练红外图像特征向量之间的基于秩序性先验的几何非刚性一致化因数;

将所述训练农田分类特征向量通过分类器以得到分类损失函数值;

以所述分类损失函数值和所述基于秩序性先验的几何非刚性一致化因数之间的加权和作为损失函数值,对所述多层卷积层、所述作为目标检测网络的卷积神经网络模型、所述使用卷积神经网络的空间注意力机制和所述分类器进行训练。

8.根据权利要求7所述的基于无人机的影像目标检测方法,其特征在于,计算所述训练全景农田通道特征向量和所述训练红外图像特征向量之间的基于秩序性先验的几何非刚性一致化因数,包括:以如下几何非刚性一致化因数公式计算训练全景农田通道特征向量和训练红外图像特征向量之间的基于秩序性先验的几何非刚性一致化因数;

其中,所述几何非刚性一致化因数公式为:

其中,Vl表示所述训练全景农田通道特征向量,V2表示所述训练红外图像特征向量,||·||2表示特征向量的二范数,cos(V1,V2)表示计算所述训练全景农田通道特征向量和所述训练红外图像特征向量之间的余弦距离,Loss表示所述基于秩序性先验的几何非刚性一致化因数。

9.一种基于无人机的影像目标检测系统,其特征在于,包括:农田视觉数据采集模块,用于获取由高分辨率相机采集的农田全景图像和由红外相机获取的农田红外视频;

农田视觉特征提取模块,用于从所述农田全景图像和所述农田红外视频中提取全景农田通道特征向量和红外图像特征向量;

构造模块,用于构造所述全景农田通道特征向量和所述红外图像特征向量之间的农田分类特征向量;

虫害结果生成模块,用于基于所述农田分类特征向量,判断是否发出农作物虫害预警提示。

10.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1‑8任一项所述的方法。