农作物异常区域监测方法、装置及电子设备与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种农作物异常区域监测方法、装置及电子设备。


背景技术：

2.目前的农事活动中，需要对农作物的高度异常区域进行监测，以便为农田管理人员提供农事活动的依据。比如，针对水稻，需要确定出黄塘区域，从而为治理黄塘提供依据。因此，如何确定出农作物的高度异常区域以成为本领域技术人员亟需解决的技术问题。


技术实现要素：

3.本技术实施例提供了一种农作物异常区域监测方法、装置、电子设备及可读存储介质，其能够高效精确地确定出农作物高度异常的区域。
4.本技术的实施例可以这样实现：
5.第一方面，本技术实施例提供一种农作物异常区域监测方法，包括：
6.获得种植有农作物的目标区域的数字表面模型dsm；
7.根据所述dsm获得所述目标区域的等高线数据，其中，所述等高线数据中包括每条等高线的高程值及位置信息；
8.根据所述等高线数据，确定出所述目标区域中的异常区域，其中，所述异常区域中存在高度异常的农作物。
9.第二方面，本技术实施例提供一种农作物异常区域监测装置，包括：
10.数据获得模块，用于获得种植有农作物的目标区域的数字表面模型dsm；
11.数据处理模块，用于根据所述dsm获得所述目标区域的等高线数据，其中，所述等高线数据中包括每条等高线的高程值及位置信息；
12.异常确定模块，用于根据所述等高线数据，确定出所述目标区域中的异常区域，其中，所述异常区域中存在高度异常的农作物。
13.第三方面，本技术实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式中任意一项所述的农作物异常区域监测方法。
14.第四方面，本技术实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任意一项所述的农作物异常区域监测方法。
15.本技术实施例提供的农作物异常区域监测方法、装置、电子设备及可读存储介质，根据目标区域的dsm得到该目标区域的等高线数据，进而根据该等高线数据中所包括的每条等高线的高程值及位置信息，确定出该目标区域中高度异常的农作物所在的异常区域。如此，可高效精确地确定出农作物高度异常的区域，为农田管理人员提供农事活动的依据。
附图说明
16.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
17.图1为本技术实施例提供的电子设备的方框示意图；
18.图2为本技术实施例提供的农作物异常区域监测方法的流程示意图之一；
19.图3为图2中步骤s130包括的子步骤的流程示意图；
20.图4为本技术实施例提供的等高线数据对应的等高线示意图；
21.图5为本技术实施例提供的农作物异常区域监测方法的流程示意图之二；
22.图6为本技术实施例提供的农作物异常区域监测方法的流程示意图之三；
23.图7为本技术实施例提供的目标总区域的dsm和dom的示意图；
24.图8为本技术实施例提供的农作物异常区域监测方法的举例示意图；
25.图9为本技术实施例提供的识别出目标总区域中的农田边界以及显示异常区域的示意图；
26.图10为本技术实施例提供的农作物异常区域监测装置的方框示意图之一；
27.图11为本技术实施例提供的农作物异常区域检测装置的方框示意图之二。
28.图标：100-电子设备；110-存储器；120-处理器；130-通信单元；200-农作物异常区域监测装置；210-数据获得模块；220-数据处理模块；230-异常确定模块；240-显示模块。
具体实施方式
29.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
30.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
31.需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
32.农作物高度异常可以包括倒伏、黄塘等。水稻“黄塘”是指水稻长势差、苗情肉，造成原因一般是水肥不均和病虫害，特征是水稻株高整体偏矮、颜色发黄甚至是枯黄。
33.目前一般可以通过两种方式确定出农作物高度异常区域：传统方式和定点监测。
34.传统方式，是通过人工巡视发现及定位，对于大面积的农田管理来说，需要消耗较
大的人力物力。定点监测，是通过在农田布设摄像头，通过间隔拍摄的图像或者视频进行监测，这种方式由于需要对大田布设很多摄像头，对大田不适用，并且设备投入大。
35.为了解决上述问题，本技术实施例提供了一种农作物异常区域监测方法、装置、电子设备及可读存储介质，其能够基于目标区域的等高线数据，高效精确地确定出农作物高度异常的区域。
36.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
37.针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得到的结果，因此，上述问题的发现过程以及下文中本技术实施例针对上述问题所提出的解决方案，都应是发明人在本技术过程中对本技术做出的贡献。
38.请参照图1，图1为本技术实施例提供的电子设备100的方框示意图。所述电子设备100可以是，但不限于，电脑或者服务器等。所述电子设备100可以包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
39.其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。
40.处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。比如，存储器110中存储有农作物异常区域监测装置200，所述农作物异常区域监测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本技术实施例中的农作物异常区域监测装置200，从而执行各种功能应用以及数据处理，即实现本技术实施例中的农作物异常区域监测方法。
41.通信单元130用于通过网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
42.可选地，所述电子设备100还可以包括显示单元，所述显示单元用于显示确定出的异常区域。
43.应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
44.请参照图2，图2为本技术实施例提供的农作物异常区域监测方法的流程示意图之一。所述方法可应用于上述电子设备100。下面对农作物异常区域监测方法的具体流程进行详细阐述。该方法可以包括步骤s110～步骤s130。
45.步骤s110，获得种植有农作物的目标区域的dsm。
46.在本实施例中，所述目标区域是需要分析是否存在农作物高度异常区域、以及确定该异常区域所在位置的区域。所述目标区域具体可以由用户指定、由电子设备100根据设
定的规则确定、或者为其他设备确定出的区域等，在此不对目标区域的具体确定方式以及所述目标区域的面积大小进行限定，可以结合实际需求确定。比如，所述目标区域可以是仅包括一块田地的区域，也可以是包括多块田块的区域。所述目标区域各点的海拔高度可以相差不大，也可以相差较大，具体可以结合实际情况确定。所述目标区域各点的海拔高度表示了该目标区域的地貌形态的空间分布。
47.dsm(digital surface model，数字表面模型)，是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。和dem(digital elevation model，数字高程模型)相比，dem只包含了地形的高程信息，并未包含其它地表信息，dsm是在dem的基础上，进一步涵盖了除地面以外的其它地表信息的高程。可通过任意方式获得所述目标区域的dsm，所述目标区域的dsm包括了该目标区域的表面高度情况。
48.步骤s120，根据所述dsm获得所述目标区域的等高线数据。
49.在本实施例中，在获得所述目标区域的dsm的情况下，可根据该dsm生成该目标区域的等高线数据。所述等高线数据中包括了多条等高线。等高线指的是地形图上高程相等的相邻各点所连成的闭合曲线。把地面上海拔高度相同的点连成闭合曲线，并垂直投影到一个水平面上，并按比例缩绘在图纸上，就得到等高线。所述等高线数据中包括每条等高线的高程值及位置信息，基于等高线的位置信息可以确定出等高线在所述目标区域中的位置。
50.步骤s130，根据所述等高线数据，确定出所述目标区域中的异常区域。
51.在获得所述目标区域的等高线数据的情况下，由于该等高线数据表示了目标区域的农作物的高度情况，因而可基于该等高线数据，确定出所述目标区域中的异常区域，该异常区域中存在高度异常的农作物。
52.如此，可基于表示了目标区域的农作物的高度情况的等高线数据，高效精确地确定出农作物高度异常的区域，为农田管理人员提供农事活动的依据，并且无需花费大量人力进行巡视，或者布设大量的摄像头进行定点监测。
53.可选地，作为一种可能的实现方式，可以根据所述目标区域的实际地理范围，从已经生成的dsm中获得该目标区域的dsm。如此，可快速获得所述目标区域的dsm。
54.可选地，作为另一种可能的实现方式，可以先获得所述目标区域的航拍图像，然后对该航拍图像进而解算(比如空三解算)等，从而得到该目标区域的dsm。
55.可以理解的是，在要求实时性的情况下，获得的所述目标区域的dsm包括了该目标区域最新或者是距离当前监测时间较近的表面高度情况。
56.在获得所述目标区域的dsm之后，可根据所述目标区域的dsm中各点的位置信息以及高程值，绘制出多条等高线，以得到所述目标区域的等高线数据。其中，在所述等高线数据所包括的多条等高线中，将不同高程值按照从大到小的顺序排序，相邻的两个高程值之间的高程差值可以不同，也即，可以按照不同的高程差值来绘制等高线，具体使用的不同高程差值可以结合实际需求设置。比如，设置的不同的高程差值包括5cm、10cm，绘制出的等高线对应的高程值有100cm、95cm、85cm，其中，100cm与95cm对应高程差值5cm，95cm与85cm对应高程差值10cm。
57.为了保证尽可能地没有遗漏需要的等高线，还可以采用预设等高距，基于所述目标区域的dsm，生成所述目标区域的等高线数据。等高距，为地形图上相邻等高线之间的高
差，也叫做等高线间距(隔)，用h表示。其中，所述预设等高距可以是用户直接手动任意设置的一个值，还可以是预先根据生成所述目标区域的dsm所使用的航拍图像对应的地面采样间隔(ground sample distance，gsd)确定。也即，所述预设等高距可以是根据航拍图像的采集分辨率确定的，该预设等高距可以为所述采集分辨率的3～4倍，比如，采集分辨率为5cm，则可设置所述预设等高距为15cm。
58.可选地，作为一种可能的实现方式，在获得所述目标区域的等高线线数据的情况下，可通过如下方式确定出异常区域。为便于快速确定出所述异常区域，可以预先设置一目标高程值。该目标高程值可以是用户根据经验设置的，也可以是通过大数据分析得到的，还可以是通过其他方式确定的。在获得所述目标区域的等高线数据的情况下，可结合所述目标区域的等高线数据，筛选出高程值小于所述目标高程值的等高线，然后对高程值小于所述目标高程值的等高线进行转面、聚合等，得到初始区域。
59.可以直接将得到的初始区域作为所述目标区域的异常区域。也可以将面积小于预设面积的初始区域剔除，并将剩余的初始区域作为异常区域，如此可以保证确定的异常区域的准确性。
60.可选地，作为另一种可能的实现方式，还可以根据所述目标区域的农作物的整体长势情况，确定出目标高程值，进而确定出异常区域。
61.请参照图3，图3为图2中步骤s130包括的子步骤的流程示意图。在本实施方式中，步骤s130可以包括子步骤s131～子步骤s133。
62.子步骤s131，根据所述等高线数据统计得到各高程值对应的等高线数量。
63.子步骤s132，根据所述各高程值对应的等高线数量，确定出目标高程值。
64.可选地，由于所述等高线数据中包括了每条等高线对应的高程值，因此可以基于所述等高线数据进行统计，从而得到每个高程值对应的等高线数量。一个高程值对应的等高线数量大于等于1，具体由所述目标区域的表面高度情况确定。其中，所述等高线数据中的不同等高线具有不同高程值。
65.假设所述等高线数据中包括的高程值有：61.4、62.2、61.8、61.6、62.2、62.4、62.6、62，若所述等高线数据描述的等高线情况如图4所示，则可以通过统计得到以下内容：高程值61.4对应的等高线数量为1，即高程值为61.4的等高线只有一条；高程值62.2对应的等高线数量为4，即高程值为62.2的等高线有4条；高程值61.8对应的等高线数量为3；高程值61.6对应的等高线数据为3；高程值62.2对应的等高线数量为1；高程值62.4对应的等高线数量为1；高程值62.6对应的等高线数量为1；高程值62对应的等高线数量为1。
66.接下来，可根据所述各高程值对应的等高线数量，设置出一个大于或等于最大等高线数量对应的高程值的值作为所述目标高程值。如此，可设置出与所述目标区域匹配的目标高程值，以保证找到的异常区域的准确性。
67.可选地，作为一种可能的实施方式，可以通过比较确定出最大等高线数量对应的高程值，并根据所述最大等高线数量对应的高程值，确定出所述目标高程值。如此，可结合最大等高线数量对应的高程值，设置出与所述目标区域匹配的目标高程值。
68.例如，可以直接将最大等高线数量对应的高程值作为所述目标高程值。比如，一共有n条等高线，基于统计出的各高程值对应的等高线数量，确定出等高线条数占比最大(也即最大等高线数量)的高程值为100米，可将该高程值100米作为所述目标高程值。
69.还可以在确定出最大等高线数量对应的高程值的情况下，将该高程值减去一定值，并将得到的结果作为所述目标高程值。减去的值，可以是用户手动设置的；在采用预设等高距绘制等高线的情况下，该值也可以是所述预设等高距，或者为所述预设等高距的一定倍数，该倍数大于1。比如，等高线条数占比最大的高程值为100米，使用的预设等高距为d，则所述目标高程值为100-d。
70.作为另一种可能的实施方式，也可以根据所述各高程值对应的等高线数量，计算出该目标区域的平均高程值，并将该平均高程值作为所述目标高程值。
71.可以理解的是，上述根据各高程值对应的等高线数量确定出目标高程值的方式，仅为举例说明，具体可以结合实际需求确定使用的方式，在此不进行具体限定。
72.子步骤s133，从所述等高线数据包括的等高线中筛选出高程值小于所述目标高程值的目标等高线。
73.子步骤s134，根据所述目标等高线，确定出所述异常区域。
74.在确定出所述目标高程值的情况下，可以将所述等高线数据中包括的每条等高线的高程值与该目标高程值进行比较，从而筛选出高程值小于所述目标高程值的等高线作为目标等高线。可基于目标等高线，进行转面、聚合等处理，得到初始区域，并根据初始区域确定出异常区域，所述异常区域可以为一个，也可以为多个，由实际情况确定。若未能筛选出目标等高线，则可以确定所述目标区域中不包括农作物高度异常的区域。
75.可选地，可以直接确定出的初始区域作为所述目标区域；也可以将面积小于预设面积的初始区域剔除，剩余的初始区域则为所述异常区域。其中，所述预设面积可以结合实际需求设置，比如，基于经验设置为2平米。
76.请参照图5，图5为本技术实施例提供的农作物异常区域监测方法的流程示意图之二。在步骤s130之后，所述方法还可以包括步骤s140。
77.步骤s140，将所述异常区域的范围信息叠加至所述目标区域的数字正射影像图，并进行显示。
78.在确定出所述异常区域的情况下，也可以确定出所述异常区域的范围信息，所述范围信息包括所述异常区域的边界信息。可将所述目标异常的范围信息，叠加至所述目标区域的数字正射影像图(digital orthophoto map，dom)上。dom是对航空航天像片进行数字微分纠正和镶嵌，按一定图幅范围裁剪生成的数字正射影像集，同时具有地图几何精度和影像特征的图像。dom具有精度高、信息丰富、直观逼真、获取快捷等优点。也即，将异常区域的边界范围图层叠加到所述目标区域的dom上，然后进行显示。如此，便于浏览及查看。
79.可选地，也可以直接显示所述异常的范围信息。如此，可快速显示出用于确定异常区域的信息。
80.请参照图6，图6为本技术实施例提供的农作物异常区域监测方法的流程示意图之三。在本实施例中，在步骤s110之前，所述方法还可以包括步骤s101。
81.步骤s101，获得目标总区域包括的目标区域的边界信息。
82.为了尽可能地保证确定出的所述异常区域的准确性，在本实施例中，可通过任意方式获取位于所述目标总区域内的目标区域的边界信息，基于该边界信息可确定出所述目标区域。其中，任意一个目标区域内土地的海拔高度差小于预设值。一个目标区域内土地的海拔高度差，表示该目标区域内土地所有点之间的海拔高度差值，目标区域内土地各点的
海拔高度表示了该目标区域的地形情况，各点的海拔高度表示的是该点的土地的海拔高度，不包括该点生长的植物的高度。如此，可以避免由于同一区域内的海拔高度差相差较大，导致基于该区域的dsm对应的等高线数据确定出的目标高程值不合适，进而导致异常区域确定结果不佳。
83.其中，所述目标总区域中的目标区域可以只有一个，也可以有多个，具体根据所述目标总区域确定。所述目标总区域为可以是用户指定的，也可以是通过其他方式确定的，在此不对其进行具体限定。
84.每个目标区域的边界信息，可以基于实际情况采用任意方式得到。比如，用户可以直接输入各目标区域的边界信息，通过接收用户的输入内容，即可获得各目标区域的边界信息。通常一块农田的海拔高度差不会相差较大，因此还可以获得所述目标总区域的数字正射影像图dom，然后对该数字正射影像图进行田块边界识别，从而获得各目标区域的边界信息。其中，所述目标总区域的数字正射影像可以是所述电子设备100预先通过无人机采集的目标总区域的航拍图像生成的，也可以是其他设备生成并发送给所述电子设备的，具体获得方式在此不进行具体限定。值得说明的是，上述方式仅为获得目标区域的边界信息的举例方式，也可以采用其他方式得到各目标区域的边界信息。
85.在得到各目标区域的边界信息的情况下，可根据各目标区域的边界信息，得到各目标区域的dsm。可选地，可针对各目标区域，根据该目标区域的航拍图像生成该目标区域的dsm。也可以根据所述目标总区域的航拍图像，生成所述目标总区域的dsm，然后根据各目标区域的边界信息，对该目标总区域的dsm进行裁剪，从而得到各目标区域的dsm。如此，可快速得到各目标区域的dsm。
86.在通过以上述方式得到各目标区域的dsm的情况下，可针对各目标区域执行上述步骤s120～步骤s130，然后将各目标区域中的异常区域进行汇总，进行集中显示。比如，将各目标区域中的异常区域均叠加显示在所述目标总区域的dom上。
87.下面结合图7～图9，以农作物为水稻为例，对农作物异常区域监测方法进行举例说明。
88.第一步：利用无人机采集水稻田的影像数据。可采用无人机挂载云台相机或单相机，进行水稻田影像采集。飞行参数可设置为：航向和旁向重叠度分别是80％和70％，采集分辨率为3cm～5cm。无人机采集影像时，可全程连接gps差分信号，这样可使基于数据解算成果得到平面误差优于5cm的数据成果(dom和dsm)。
89.第二步：进行数据解算。可针对采集得到的水稻田数据进行空三解算以生成点云，进而基于点云得到如图7所示的dsm和dom。具体过程在此不进行具体限定。
90.第三步：进行数据分析，并确定出作为异常区域的黄塘区域。
91.如图8所示，可根据生成的dom，进行图像识别，从而得到如图9中a所示的水稻田的边界。也可以基于输入的人工绘制操作等得到水稻田的边界。水稻田的边界可以为水稻田的边缘，水稻田可以不包括田埂。然后，利用得到的水稻田的边界(即图8中的农田边界范围)，如图9中的b所示，对图7中的dsm进行裁剪，从而得到每块水稻田的dsm。
92.接着，可以基于各田块的dsm，得到各田块的等高线数据，进而基于各田块的等高线数据确定出各田块中的异常区域。比如，基于田块1的dsm，得到田块1的等高线数据，进而基于田块1的等高线数据确定出田块1中的异常区域；根据田块2的dsm、田块3的dsm、
…
、田
块n的dsm，重复上述过程，可获得田块2、3、
…
、n的异常区域。
93.之后，可如图9中的c所示，将得到的黄塘区域的边界叠加到第二步生成的dom上进行显示，以直观地展示水稻黄塘的分布情况。如此，可利用无人机航拍图像，监测黄塘区域。其中，还可以间隔一定时长采用上述方式监测黄塘区域。
94.为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种农作物异常区域监测装置200的实现方式，可选地，该农作物异常区域监测装置200可以采用上述图1所示的农作物异常区域监测装置200的器件结构。进一步地，请参照图10，图10为本技术实施例提供的农作物异常区域监测装置200的方框示意图之一。需要说明的是，本实施例所提供的农作物异常区域监测装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。所述农作物异常区域监测装置200可以包括：数据获得模块210、数据处理模块220及异常确定模块230。
95.所述数据获得模块210，用于获得种植有农作物的目标区域的数字表面模型dsm。
96.所述数据处理模块220，用于根据所述dsm获得所述目标区域的等高线数据。其中，所述等高线数据中包括每条等高线的高程值及位置信息。
97.所述异常确定模块230，用于根据所述等高线数据，确定出所述目标区域中的异常区域。其中，所述异常区域中存在高度异常的农作物。
98.可选地，在本实施例中，所述等高线数据中的不同等高线具有不同高程值，所以异常确定模块230具体用于：根据所述等高线数据统计得到各高程值对应的等高线数量；根据所述各高程值对应的等高线数量，确定出目标高程值，其中，最大等高线数量对应的高程值不小于所述目标高程值；从所述等高线数据包括的等高线中筛选出高程值小于所述目标高程值的目标等高线；根据所述目标等高线，确定出所述异常区域。
99.可选地，在本实施例中，所述异常确定模块230具体用于：通过比较确定出最大等高线数量对应的高程值；根据所述最大等高线数量对应的高程值，确定出所述目标高程值。
100.可选地，在本实施例中，所述数据处理模块220具体用于：根据所述dsm及预设等高距，生成所述等高线数据。
101.可选地，在本实施例中，所述数据处理模块220还用于：根据生成所述dsm所使用的航拍图像对应的地面采样间隔，设置所述预设等高距。
102.请参照图11，图11为本技术实施例提供的农作物异常区域监测装置200的方框示意图之二。在本实施例中，所述农作物异常区域监测装置200还包括显示模块240。所述显示模块240，用于将所述异常区域的范围信息叠加至所述目标区域的数字正射影像图，并进行显示。
103.可选地，在本实施例中，所述数据获得模块210还用于：获得目标总区域包括的目标区域的边界信息。其中，任意一个目标区域内土地的海拔高度差小于预设值。
104.可选地，在本实施例中，所述数据获得模块210具体用于：获得所述目标总区域的数字正射影像图；对所述数字正射影像图进行田块边界识别，获得所述目标区域的边界信息。
105.可选地，在本实施例中，所述数据获得模块210还用于：根据所述目标总区域的航拍图像，生成所述目标总区域的dsm。所述数据获得模块210根据所述目标区域的边界信息，对所述目标总区域的dsm进行裁剪，获得各目标区域的dsm。
106.可选地，上述模块可以软件或固件(firmware)的形式存储于图1所示的存储器110中或固化于电子设备100的操作系统(operating system，os)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
107.本技术实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的农作物异常区域监测方法。
108.综上所述，本技术实施例提供一种农作物异常区域监测方法、装置、电子设备及可读存储介质，根据目标区域的dsm得到该目标区域的等高线数据，进而根据该等高线数据中所包括的每条等高线的高程值及位置信息，确定出该目标区域中高度异常的农作物所在的异常区域。如此，可高效精确地确定出农作物高度异常的区域，为农田管理人员提供农事活动的依据。
109.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
110.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
111.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
112.以上所述仅为本技术的可选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。