基于图像识别的可降解地膜降解过程监测方法及系统
本发明涉及图像识别,具体涉及一种基于图像识别的可降解地膜降解过程监测方法及系统。
背景技术:
1、可降解地膜作为传统塑料地膜的替代材料,在农业生产过程中能够减少农田残膜累积,对改善农业生态环境具有重要作用。随着可降解材料种类的不断增加,不同类型地膜在实际农田环境中的降解过程存在明显差异,其降解速率和降解程度受到光照强度、环境温度、土壤湿度、微生物活动以及农业管理方式等多种因素影响,使得地膜在不同种植区域、不同生长周期内可能呈现不同的降解状态。
2、目前,对可降解地膜降解过程的监测主要依靠人工巡查方式进行。工作人员通常需要进入农田区域,通过定期查看地膜表面的破损、开裂以及碎裂情况,对地膜降解状态进行记录和评价。然而,农田覆盖面积通常较大,且地膜铺设区域分布较为分散,人工逐区域检查需要投入大量时间和人力,检测效率较低,难以满足大规模农业生产环境下长期、周期性的监测需求。同时,人工巡查通常只能在有限时间节点进行检查,难以持续获取地膜降解过程中的动态变化信息。
技术实现思路
1、本发明的目的在于解决上述背景技术中提到的检测效率较低,难以满足大规模农业生产环境下长期、周期性的监测需求的问题,而提出一种基于图像识别的可降解地膜降解过程监测方法及系统。
2、本发明实施的第一方面,提供了一种基于图像识别的可降解地膜降解过程监测方法,所述方法包括:
3、获取地膜区域图像,并进行预处理,得到目标图像;
4、将所述目标图像输入预训练的裂纹孔洞分割模型,得到裂纹孔洞分割掩码;
5、根据所述裂纹孔洞分割掩码,计算降解指标,得到地膜降解程度;
6、根据所述地膜降解程度,结合覆膜天数,判断降解是否异常;
7、若存在异常,则输出预警信息。
8、可选的,所述裂纹孔洞分割模型是一种基于unet架构改进的图像分割模型;具体的,所述裂纹孔洞分割模型包括编码器网络、瓶颈增强模块和解码器网络;
9、所述编码器网络包括依次连接的初始卷积模块和多级编码模块;所述解码器网络包括依次连接的多级解码模块和分割头模块;
10、所述初始卷积模块用于对输入的图像执行至少一层卷积操作,生成初始特征图,并输入第一级编码模块;
11、每一级编码模块均包括局部特征提取分支、全局特征提取分支和特征融合模块;对于第i级编码模块,其输入特征图分别被同时传递至所述局部特征提取分支和所述全局特征提取分支,得到局部信息特征图和全局信息特征图,并通过所述特征融合模块进行融合计算,生成当前编码模块的编码特征图;
12、相邻两级编码模块之间设置有下采样模块,以逐级提取不同尺度特征;第i级编码模块的编码特征图经下采样后,作为第i+1级编码模块的输入特征图;
13、所述瓶颈增强模块用于将各级编码特征图进行多尺度特征聚合,生成聚合增强特征图,输出至解码器网络;
14、各级解码模块通过跳跃连接融合对应编码特征图,并逐步恢复空间分辨率,最终由分割头模块生成与输入图像对应的分割掩码。
15、可选的,所述局部特征提取分支的执行过程包括:
16、对输入的特征图x0执行离散小波变换分解,提取水平高频分量lh、垂直高频分量hl和对角高频分量hh;
17、将三个高频分量在通道维度上进行拼接,得到高频拼接特征图x1;
18、将所述高频拼接特征图x1经过一层卷积层处理,以融合三个高频分量的信息并增强高频细节特征表达,并对卷积结果进行上采样操作,得到与输入的特征图x0分辨率一致的高频增强特征图x2;
19、对所述高频增强特征图x2执行空间注意力计算,生成空间注意力图w1;
20、采用所述空间注意力图w1对所述输入的特征图x0进行加权,并将加权结果与所述输入的特征图x0残差连接,得到细节增强特征图x3;
21、同时,将所述输入的特征图x0经过一层卷积层处理,以提取输入特征图的原始结构特征及语义信息,得到卷积变换特征图x4;
22、将所述细节增强特征图x3与所述卷积变换特征图x4在通道维度上拼接,并将拼接后的特征图经过一层卷积层处理,进行通道压缩和跨通道特征交互,得到局部信息特征图。
23、可选的,所述全局特征提取分支采用vision transformer模块实现全局特征提取。
24、可选的,所述特征融合模块的执行过程包括:
25、将所述局部信息特征图和所述全局信息特征图在通道维度进行拼接,得到信息拼接特征图y1;
26、将所述信息拼接特征图y1经过一层卷积层处理,进行跨通道特征交互,融合局部信息与全局信息,得到融合卷积特征图y2;
27、对所述融合卷积特征图y2执行通道注意力计算,生成通道注意力向量w2;
28、采用所述通道注意力向量w2对所述融合卷积特征图y2进行逐通道加权,得到信息增强特征图y3;
29、将所述信息增强特征图y3经过两层卷积层处理,并将卷积结果与所述信息增强特征图y3残差连接,得到编码特征图。
30、可选的,所述瓶颈增强模块的执行过程包括:
31、将各级编码模块输出的编码特征图通过双线性插值下采样至同一目标空间尺寸,并分别经过一层卷积层处理,调整通道数至同一目标通道数;
32、将调整后的各级编码特征图逐元素相加,得到多尺度聚合特征图;
33、采用卷积块注意力模块对所述多尺度聚合特征图进行增强,得到聚合增强特征图。
34、可选的,所述根据所述裂纹孔洞分割掩码,计算降解指标,得到地膜降解程度包括:
35、对所述裂纹孔洞分割掩码进行连通域分析,统计裂纹孔洞区域的几何参数;所述几何参数至少包括裂纹孔洞的数量、各裂纹的长度和面积、各孔洞的面积中的至少一种;
36、根据所述几何参数,计算得到降解指标;所述降解指标至少包括裂纹密度、最大裂纹长度、裂纹孔洞面积占比中的至少一种;
37、将所述降解指标和预设的降解阶段分级标准进行比较,判定地膜当前所处的降解阶段;降解阶段至少包括诱导期、开裂期、大裂期。
38、可选的,所述根据所述地膜降解程度,结合覆膜天数,判断降解是否异常包括:
39、根据当前的覆膜天数,确定期望的降解阶段;
40、若地膜当前所处的降解阶段与所述期望的降解阶段一致,则判断降解正常;
41、若地膜当前所处的降解阶段未达到所述期望的降解阶段,则判断降解过慢,输出降解过慢异常;
42、若地膜当前所处的降解阶段超过所述期望的降解阶段,则判断降解过快,输出降解过快异常。
43、本发明实施的第二方面,提供了一种基于图像识别的可降解地膜降解过程监测系统,所述系统包括:
44、数据获取模块,用于获取地膜区域图像,并进行预处理,得到目标图像;
45、地膜检测模块,用于将所述目标图像输入预训练的裂纹孔洞分割模型,得到裂纹孔洞分割掩码;
46、降解评价模块,用于根据所述裂纹孔洞分割掩码,计算降解指标,得到地膜降解程度;
47、异常判断模块,用于根据所述地膜降解程度,结合覆膜天数,判断降解是否异常;
48、预警报告模块,用于若存在异常,则输出预警信息。
49、本发明的有益效果:
50、1、本发明通过图像采集与深度学习分割模型,自动识别地膜裂纹孔洞并计算降解指标,替代传统人工巡查方式,显著提高了监测效率,降低了人力成本,适用于大面积农田的长期周期性监测。
51、2、本发明提出的裂纹孔洞分割模型基于unet架构改进,编码模块中局部特征分支利用离散小波变换增强高频细节,配合空间注意力聚焦边缘和角点等细微结构,有效增强了小尺寸裂纹的检测能力;全局特征分支采用vision transformer捕获远距离上下文信息,消除大面积孔洞与背景混淆;两者融合优化特征表达,使分割网络在光照变化、背景杂乱等实际场景下仍保持高鲁棒性。
52、3、本发明将视觉感知的降解阶段与覆膜天数进行比对,及时输出预警信息,为农户调整覆膜管理措施(如补膜、增温保湿等)提供科学依据,有助于保障作物生长周期与地膜降解进程的协调性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com