植物生长高度测量方法、装置、电子设备及介质与流程

1.本技术涉及图像分析技术领域，尤其涉及一种植物生长高度测量方法、装置、电子设备及介质。


背景技术：

2.目前，通过分析植物的日生长有利于确定植物的最佳种植方式，以便提高植物的产量和质量，进而降低种植成本，给种植者带来福音。传统方式是通过手动测量和记录植物生长高度用于分析植物生长，然而，手动测量方式不仅会带来测量误差，还降低了测量效率，进而耗费人力。


技术实现要素：

3.鉴于以上内容，有必要提供一种植物生长高度测量方法、装置、电子设备及介质，能够提高植物生长高度的测量效率。
4.一种植物生长高度测量方法，应用于电子设备中，所述电子设备与摄像装置相连接，所述植物生长高度测量方法包括：
5.当接收到高度测量请求时，从所述高度测量请求中确定待检测植物；
6.控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像，所述彩色图像包括多个待检测植物，及所述深度图像包括多个待检测植物；
7.利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框；
8.利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像；
9.从所述对齐图像中获取与多个检测框对应的目标框；
10.从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量；
11.根据多个深度值及所述数量确定所述待检测植物的高度。
12.根据本技术可选实施例，所述从所述高度测量请求中确定待检测植物包括：
13.从预设线程连接池中获取任意闲置线程；
14.利用所述任意闲置线程解析所述高度测量请求的方法体，得到所述高度测量请求携带的所有信息；
15.获取预设标签，从所述所有信息中获取与所述预设标签对应的信息，作为所述待检测植物。
16.根据本技术可选实施例，所述控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像包括：
17.确定所述待检测植物所在的第一方位；
18.控制所述摄像装置的第一镜头移动至与所述第一方位对应的第二方位，并控制所述第一镜头进行拍摄，得到所述彩色图像；
19.控制所述摄像装置的第二镜头移动至所述第二方位，并控制所述第二镜头进行拍摄，得到所述深度图像。
20.根据本技术可选实施例，在利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框之前，所述植物生长高度测量方法还包括：
21.采用网络爬虫技术获取历史数据；
22.将所述历史数据输入到遗忘门层进行遗忘处理，得到训练数据；
23.采用交叉验证法将所述训练数据划分为训练集及验证集；
24.将所述训练集中的数据输入到输入门层进行训练，得到学习器；
25.根据所述验证集中的数据调整所述学习器，得到所述检测模型。
26.根据本技术可选实施例，所述利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像包括：
27.获取所述深度图像上的所有深度像素；
28.将所述所有深度像素映射到预设深度坐标系中，得到所述所有深度像素的深度坐标；
29.根据所有深度坐标及预设世界坐标系确定所述所有深度像素的世界坐标；
30.根据所有世界坐标确定所述所有深度像素在所述彩色图像上的位置，并确定所述位置在所述彩色图像上的彩色像素；
31.将每个深度像素与每个彩色像素进行融合，得到所述对齐图像。
32.根据本技术可选实施例，所述从所述对齐图像中获取与多个检测框对应的目标框包括：
33.为所述彩色图像及所述对齐图像建立相同的坐标系；
34.确定每个检测框在所述彩色图像上的坐标；
35.将每个检测框的坐标映射至所述对齐图像中，得到与每个检测框对应的目标框。
36.根据本技术可选实施例，所述根据多个深度值及所述数量确定所述待检测植物的高度包括：
37.确定所述摄像装置所处的摄像高度；
38.将所述摄像高度与每个深度值进行相减运算，得到多个距离结果；
39.计算所述多个距离结果的总和；
40.将所述总和除以所述数量，得到所述待检测植物的高度。
41.一种植物生长高度测量装置，运行于电子设备中，所述电子设备与摄像装置相连接，所述植物生长高度测量装置包括：
42.确定单元，用于当接收到高度测量请求时，从所述高度测量请求中确定待检测植物；
43.控制单元，用于控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像，所述彩色图像包括多个待检测植物，及所述深度图像包括多个待检测植物；
44.检测单元，用于利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框；
45.处理单元，用于利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处
理，得到对齐图像；
46.获取单元，用于从所述对齐图像中获取与多个检测框对应的目标框；
47.所述确定单元，还用于从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量；
48.所述确定单元，还用于根据多个深度值及所述数量确定所述待检测植物的高度。
49.根据本技术可选实施例，所述确定单元从所述高度测量请求中确定待检测植物包括：
50.从预设线程连接池中获取任意闲置线程；
51.利用所述任意闲置线程解析所述高度测量请求的方法体，得到所述高度测量请求携带的所有信息；
52.获取预设标签，从所述所有信息中获取与所述预设标签对应的信息，作为所述待检测植物。
53.根据本技术可选实施例，所述控制单元具体用于：
54.确定所述待检测植物所在的第一方位；
55.控制所述摄像装置的第一镜头移动至与所述第一方位对应的第二方位，并控制所述第一镜头进行拍摄，得到所述彩色图像；
56.控制所述摄像装置的第二镜头移动至所述第二方位，并控制所述第二镜头进行拍摄，得到所述深度图像。
57.根据本技术可选实施例，所述获取单元，还用于在利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框之前，采用网络爬虫技术获取历史数据；
58.所述处理单元，还用于将所述历史数据输入到遗忘门层进行遗忘处理，得到训练数据；
59.所述植物生长高度测量装置还包括：
60.划分单元，用于采用交叉验证法将所述训练数据划分为训练集及验证集；
61.训练单元，用于将所述训练集中的数据输入到输入门层进行训练，得到学习器；
62.调整单元，用于根据所述验证集中的数据调整所述学习器，得到所述检测模型。
63.根据本技术可选实施例，所述处理单元利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像包括：
64.获取所述深度图像上的所有深度像素；
65.将所述所有深度像素映射到预设深度坐标系中，得到所述所有深度像素的深度坐标；
66.根据所有深度坐标及预设世界坐标系确定所述所有深度像素的世界坐标；
67.根据所有世界坐标确定所述所有深度像素在所述彩色图像上的位置，并确定所述位置在所述彩色图像上的彩色像素；
68.将每个深度像素与每个彩色像素进行融合，得到所述对齐图像。
69.根据本技术可选实施例，所述获取单元从所述对齐图像中获取与多个检测框对应的目标框包括：
70.为所述彩色图像及所述对齐图像建立相同的坐标系；
71.确定每个检测框在所述彩色图像上的坐标；
72.将每个检测框的坐标映射至所述对齐图像中，得到与每个检测框对应的目标框。
73.根据本技术可选实施例，所述确定单元根据多个深度值及所述数量确定所述待检测植物的高度包括：
74.确定所述摄像装置所处的摄像高度；
75.将所述摄像高度与每个深度值进行相减运算，得到多个距离结果；
76.计算所述多个距离结果的总和；
77.将所述总和除以所述数量，得到所述待检测植物的高度。
78.一种电子设备，所述电子设备包括：
79.存储器，存储至少一个指令；及
80.处理器，执行所述存储器中存储的指令以实现所述植物生长高度测量方法。
81.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述植物生长高度测量方法。
82.由以上技术方案可以看出，本技术从高度测量请求中确定待检测植物，能够准确确定所述待检测植物，控制所述摄像装置拍摄所述待检测植物，能够快速获取到彩色图像及深度图像，利用预先训练好的检测模型检测所述彩色图像，提高检测效率，从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量，根据多个深度值及所述数量确定所述待检测植物的高度，提高所述待检测植物的测量效率。
附图说明
83.图1是本技术植物生长高度测量方法的较佳实施例的应用环境图。
84.图2是本技术植物生长高度测量方法的较佳实施例的流程图。
85.图3是本技术植物生长高度测量装置的较佳实施例的功能模块图。
86.图4是本技术实现植物生长高度测量方法的较佳实施例的电子设备的结构示意图。
具体实施方式
87.为了使本技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本技术进行详细描述。
88.如图1所示，是本技术植物生长高度测量方法的较佳实施例的应用环境图。摄像装置2与电子设备1相通信，所述摄像装置2包括第一镜头20及第二镜头21。通过所述第一镜头20能够拍摄彩色图像，通过所述第二镜头21能够拍摄深度图像。
89.如图2所示，是本技术植物生长高度测量方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
90.所述植物生长高度测量方法应用于一个或者多个电子设备1中，所述电子设备1是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字信号处理器(digital signal processor，dsp)、嵌入式设备等。
91.所述电子设备1可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(personal digital assistant，pda)、游戏机、交互式网络电视(internet protocol television，iptv)、智能式穿戴式设备等。
92.所述电子设备1还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloud computing)的由大量主机或网络服务器构成的云。
93.所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(virtual private network，vpn)等。
94.在本技术的至少一个实施例中，本技术应用于电子设备中，所述电子设备与摄像装置相连接。
95.s10，当接收到高度测量请求时，从所述高度测量请求中确定待检测植物。
96.在本技术的至少一个实施例中，所述高度测量请求携带的信息包括，但不限于：植物标识、所述待检测植物等。
97.在本技术的至少一个实施例中，所述待检测植物可以是任意需要进行分析日生长的植物，例如：玫瑰花、向日葵、水稻等。
98.在本技术的至少一个实施例中，所述电子设备从所述高度测量请求中确定待检测植物包括：
99.从预设线程连接池中获取任意闲置线程；
100.利用所述任意闲置线程解析所述高度测量请求的方法体，得到所述高度测量请求携带的所有信息；
101.获取预设标签，从所述所有信息中获取与所述预设标签对应的信息，作为所述待检测植物。
102.其中，所述预设标签可以是所述植物标识。
103.通过从预设线程链接池中获取闲置线程解析所述高度测量请求的方法体，不仅能够减少创建线程的时间，还能够提高解析所述高度测量请求的效率，进而通过预设标签与待检测植物的映射关系，能够准确确定所述待检测植物。
104.s11，控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像，所述彩色图像包括多个待检测植物，及所述深度图像包括多个待检测植物。
105.在本技术的至少一个实施例中，所述摄像装置包括双镜头，分别为第一镜头及第二镜头。进一步地，所述摄像装置可以安装在便于拍摄所述检测植物的正上方。
106.在本技术的至少一个实施例中，所述彩色图像是指rgb三通道彩色图像，所述深度图像是指将从所述摄像装置到场景中各点的距离作为像素值的图像。
107.在本技术的至少一个实施例中，所述电子设备控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像包括：
108.确定所述待检测植物所在的第一方位；
109.控制所述摄像装置的第一镜头移动至与所述第一方位对应的第二方位，并控制所述第一镜头进行拍摄，得到所述彩色图像；
110.控制所述摄像装置的第二镜头移动至所述第二方位，并控制所述第二镜头进行拍摄，得到所述深度图像。
111.通过上述实施方式，能够快速获取到包含所述待检测植物的彩色图像及深度图像。
112.s12，利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框。
113.在本技术的至少一个实施例中，所述检测框是利用所述检测模型对所述彩色图像进行特征提取得到的。
114.在本技术的至少一个实施例中，在利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框之前，所述植物生长高度测量方法还包括：
115.采用网络爬虫技术获取历史数据；
116.将所述历史数据输入到遗忘门层进行遗忘处理，得到训练数据；
117.采用交叉验证法将所述训练数据划分为训练集及验证集；
118.将所述训练集中的数据输入到输入门层进行训练，得到学习器；
119.根据所述验证集中的数据调整所述学习器，得到所述检测模型。
120.通过上述实施方式，能够生成适用于所述待检测植物的检测模型。
121.在本技术的至少一个实施例中，在采用交叉验证法将所述训练数据划分为训练集及验证集之前，所述方法还包括：
122.所述电子设备计算所述训练数据中彩色训练图像的数量，当所述数量小于预设数量时，所述电子设备利用数据增强算法增加所述训练数据中彩色训练图像的数量。
123.通过上述实施方式，能够避免由于彩色训练图像的数量不足，导致训练得到的检测模型的泛化能力较差。
124.在本技术的至少一个实施例中，所述电子设备采用交叉验证法将所述训练数据划分为训练集及验证集包括：
125.所述电子设备将所述训练数据按照预设比例随机划分为至少一个数据包，将所述至少一个数据包中的任意一个数据包确定为所述验证集，其余的数据包确定为所述训练集，重复上述步骤，直至所有的数据包全都依次被用作为所述验证集。
126.其中，所述预设比例可以自定义设置，本技术不作限制。
127.通过上述实施方式划分所述数据集，使所述训练数据中的每个彩色训练图像均参与训练及验证，由此，提高训练所述检测模型的拟合度。
128.在本技术的至少一个实施例中，所述电子设备根据所述验证集中的数据调整所述学习器，得到所述检测模型包括：
129.所述电子设备采用超参数网格搜索方法从所述验证集中确定最优超参数点，进一步地，所述电子设备通过所述最优超参数点对所述学习器进行调整，得到所述检测模型。
130.具体地，所述电子设备将所述验证集按照固定步长进行拆分，得到目标子集，遍历所述目标子集上两端端点的参数，通过所述两端端点的参数验证所述学习器，得到每个参数的学习率，将学习率最好的参数确定为第一超参数点，并在所述第一超参数点的邻域内，缩小所述步长继续遍历，直至所述步长为预设步长，即得到的超参数点为所述最优超参数点，更进一步地，所述电子设备根据所述最优超参数点调整所述学习器，得到所述检测模型。
131.其中，本技术对所述预设步长不作限制。
132.通过上述实施方式，能够使所述检测模型更加适合所述待检测植物的彩色图像的检测。
133.s13，利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像。
134.在本技术的至少一个实施例中，所述对齐图像是指融合所述彩色图像的像素与所述深度图像的像素而生成的图像。
135.在本技术的至少一个实施例中，所述电子设备利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像包括：
136.获取所述深度图像上的所有深度像素；
137.将所述所有深度像素映射到预设深度坐标系中，得到所述所有深度像素的深度坐标；
138.根据所有深度坐标及预设世界坐标系确定所述所有深度像素的世界坐标；
139.根据所有世界坐标确定所述所有深度像素在所述彩色图像上的位置，并确定所述位置在所述彩色图像上的彩色像素；
140.将每个深度像素与每个彩色像素进行融合，得到所述对齐图像。
141.其中，所述预设深度坐标系及所述预设世界坐标系可以从开源系统上获取，也可以用户根据应用场景任意设置，本技术对此不作限制。
142.通过上述实施方式，能够生成包含深度值的对齐图像，以便后续确定所述待检测植物的高度。
143.s14，从所述对齐图像中获取与多个检测框对应的目标框。
144.在本技术的至少一个实施例中，所述电子设备从所述对齐图像中获取与多个检测框对应的目标框包括：
145.为所述彩色图像及所述对齐图像建立相同的坐标系；
146.确定每个检测框在所述彩色图像上的坐标；
147.将每个检测框的坐标映射至所述对齐图像中，得到与每个检测框对应的目标框。
148.通过上述实施方式，能够准确地确定出所述对齐图像的目标框。
149.s15，从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量。
150.在本技术的至少一个实施例中，所述电子设备从所述对齐图像中确定多个目标框的深度值包括：
151.对于任意目标框，确定所述任意目标框的所有像素点；
152.从所述对齐图像中获取每个像素点的像素深度值；
153.计算所述所有像素点的像素深度值总和，作为所述任意目标框的深度值。
154.其中，所述像素深度值是指像素对应到所述待检测植物上的特征点距离摄像装置的高度。
155.s16，根据多个深度值及所述数量确定所述待检测植物的高度。
156.在本技术的至少一个实施例中，所述电子设备根据多个深度值及所述数量确定所述待检测植物的高度包括：
157.确定所述摄像装置所处的摄像高度；
158.将所述摄像高度与每个深度值进行相减运算，得到多个距离结果；
159.计算所述多个距离结果的总和；
160.将所述总和除以所述数量，得到所述待检测植物的高度。
161.通过上述实施方式，无需手动测量所述待检测植物，能够提高所述待检测植物的测量效率。
162.在本技术的至少一个实施例中，在根据多个深度值及所述数量确定所述待检测植物的高度之后，所述植物生长高度测量方法还包括：
163.当所述高度小于预设高度时，所述电子设备根据所述高度生成告警信息，进一步地，所述电子设备采用对称加密算法加密所述告警信息，得到密文，更进一步地，所述电子设备根据所述待检测植物确定所述密文的告警等级，所述电子设备根据所述告警等级确定告警方式，更进一步地，所述电子设备以所述告警方式发送所述密文。
164.其中，所述预设高度可以根据所述待检测植物的预期生成速率设置，本技术对所述预设高度的取值不作限制。
165.进一步地，所述告警等级包括：等级一、等级二等。
166.更进一步地，所述告警方式包括：扬声器的警报声、邮件方式、电话方式等。
167.通过上述实施方式，能够在所述高度小于所述预设高度时，发出告警信息，此外，通过加密告警信息，能够避免告警信息被篡改，提高告警信息的安全性，同时，根据告警等级确定告警方式，能够以合适的告警方式发送告警信息，使告警信息的发送更加人性化。
168.由以上技术方案可以看出，本技术从高度测量请求中确定待检测植物，能够准确确定所述待检测植物，控制所述摄像装置拍摄所述待检测植物，能够快速获取到彩色图像及深度图像，利用预先训练好的检测模型检测所述彩色图像，提高检测效率，从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量，根据多个深度值及所述数量确定所述待检测植物的高度，提高所述待检测植物的测量效率。
169.如图3所示，是本技术植物生长高度测量装置的较佳实施例的功能模块图。所述植物生长高度测量装置11包括确定单元110、控制单元111、检测单元112、处理单元113、获取单元114、划分单元115、训练单元116、调整单元117、计算单元118、增强单元119、生成单元120、加密单元121及发送单元122。本技术所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
170.当接收到高度测量请求时，确定单元110从所述高度测量请求中确定待检测植物。
171.在本技术的至少一个实施例中，所述高度测量请求携带的信息包括，但不限于：植物标识、所述待检测植物等。
172.在本技术的至少一个实施例中，所述待检测植物可以是任意需要进行分析日生长的植物，例如：玫瑰花、向日葵、水稻等。
173.在本技术的至少一个实施例中，所述确定单元110从所述高度测量请求中确定待检测植物包括：
174.从预设线程连接池中获取任意闲置线程；
175.利用所述任意闲置线程解析所述高度测量请求的方法体，得到所述高度测量请求携带的所有信息；
176.获取预设标签，从所述所有信息中获取与所述预设标签对应的信息，作为所述待检测植物。
177.其中，所述预设标签可以是所述植物标识。
178.通过从预设线程链接池中获取闲置线程解析所述高度测量请求的方法体，不仅能够减少创建线程的时间，还能够提高解析所述高度测量请求的效率，进而通过预设标签与待检测植物的映射关系，能够准确确定所述待检测植物。
179.控制单元111控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像，所述彩色图像包括多个待检测植物，及所述深度图像包括多个待检测植物。
180.在本技术的至少一个实施例中，所述摄像装置包括双镜头，分别为第一镜头及第二镜头。进一步地，所述摄像装置可以安装在便于拍摄所述检测植物的正上方。
181.在本技术的至少一个实施例中，所述彩色图像是指rgb三通道彩色图像，所述深度图像是指将从所述摄像装置到场景中各点的距离作为像素值的图像。
182.在本技术的至少一个实施例中，所述控制单元111控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像包括：
183.确定所述待检测植物所在的第一方位；
184.控制所述摄像装置的第一镜头移动至与所述第一方位对应的第二方位，并控制所述第一镜头进行拍摄，得到所述彩色图像；
185.控制所述摄像装置的第二镜头移动至所述第二方位，并控制所述第二镜头进行拍摄，得到所述深度图像。
186.通过上述实施方式，能够快速获取到包含所述待检测植物的彩色图像及深度图像。
187.检测单元112利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框。
188.在本技术的至少一个实施例中，所述检测框是利用所述检测模型对所述彩色图像进行特征提取得到的。
189.在本技术的至少一个实施例中，在利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框之前，获取单元114采用网络爬虫技术获取历史数据，处理单元113将所述历史数据输入到遗忘门层进行遗忘处理，得到训练数据，划分单元115采用交叉验证法将所述训练数据划分为训练集及验证集，训练单元116将所述训练集中的数据输入到输入门层进行训练，得到学习器，调整单元117根据所述验证集中的数据调整所述学习器，得到所述检测模型。
190.通过上述实施方式，能够生成适用于所述待检测植物的检测模型。
191.在本技术的至少一个实施例中，在采用交叉验证法将所述训练数据划分为训练集及验证集之前，计算单元118计算所述训练数据中彩色训练图像的数量，当所述数量小于预设数量时，增强单元119利用数据增强算法增加所述训练数据中彩色训练图像的数量。
192.通过上述实施方式，能够避免由于彩色训练图像的数量不足，导致训练得到的检测模型的泛化能力较差。
193.在本技术的至少一个实施例中，所述划分单元115采用交叉验证法将所述训练数
据划分为训练集及验证集包括：
194.所述划分单元115将所述训练数据按照预设比例随机划分为至少一个数据包，将所述至少一个数据包中的任意一个数据包确定为所述验证集，其余的数据包确定为所述训练集，重复上述步骤，直至所有的数据包全都依次被用作为所述验证集。
195.其中，所述预设比例可以自定义设置，本技术不作限制。
196.通过上述实施方式划分所述数据集，使所述训练数据中的每个彩色训练图像均参与训练及验证，由此，提高训练所述检测模型的拟合度。
197.在本技术的至少一个实施例中，所述调整单元117根据所述验证集中的数据调整所述学习器，得到所述检测模型包括：
198.所述调整单元117采用超参数网格搜索方法从所述验证集中确定最优超参数点，进一步地，所述调整单元117通过所述最优超参数点对所述学习器进行调整，得到所述检测模型。
199.具体地，所述调整单元117将所述验证集按照固定步长进行拆分，得到目标子集，遍历所述目标子集上两端端点的参数，通过所述两端端点的参数验证所述学习器，得到每个参数的学习率，将学习率最好的参数确定为第一超参数点，并在所述第一超参数点的邻域内，缩小所述步长继续遍历，直至所述步长为预设步长，即得到的超参数点为所述最优超参数点，更进一步地，所述调整单元117根据所述最优超参数点调整所述学习器，得到所述检测模型。
200.其中，本技术对所述预设步长不作限制。
201.通过上述实施方式，能够使所述检测模型更加适合所述待检测植物的彩色图像的检测。
202.所述处理单元113利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像。
203.在本技术的至少一个实施例中，所述对齐图像是指融合所述彩色图像的像素与所述深度图像的像素而生成的图像。
204.在本技术的至少一个实施例中，所述处理单元113利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像包括：
205.获取所述深度图像上的所有深度像素；
206.将所述所有深度像素映射到预设深度坐标系中，得到所述所有深度像素的深度坐标；
207.根据所有深度坐标及预设世界坐标系确定所述所有深度像素的世界坐标；
208.根据所有世界坐标确定所述所有深度像素在所述彩色图像上的位置，并确定所述位置在所述彩色图像上的彩色像素；
209.将每个深度像素与每个彩色像素进行融合，得到所述对齐图像。
210.其中，所述预设深度坐标系及所述预设世界坐标系可以从开源系统上获取，也可以用户根据应用场景任意设置，本技术对此不作限制。
211.通过上述实施方式，能够生成包含深度值的对齐图像，以便后续确定所述待检测植物的高度。
212.所述获取单元114从所述对齐图像中获取与多个检测框对应的目标框。
213.在本技术的至少一个实施例中，所述获取单元114从所述对齐图像中获取与多个检测框对应的目标框包括：
214.为所述彩色图像及所述对齐图像建立相同的坐标系；
215.确定每个检测框在所述彩色图像上的坐标；
216.将每个检测框的坐标映射至所述对齐图像中，得到与每个检测框对应的目标框。
217.通过上述实施方式，能够准确地确定出所述对齐图像的目标框。
218.所述确定单元110从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量。
219.在本技术的至少一个实施例中，所述确定单元110从所述对齐图像中确定多个目标框的深度值包括：
220.对于任意目标框，确定所述任意目标框的所有像素点；
221.从所述对齐图像中获取每个像素点的像素深度值；
222.计算所述所有像素点的像素深度值总和，作为所述任意目标框的深度值。
223.其中，所述像素深度值是指像素对应到所述待检测植物上的特征点距离摄像装置的高度。
224.所述确定单元110根据多个深度值及所述数量确定所述待检测植物的高度。
225.在本技术的至少一个实施例中，所述确定单元110根据多个深度值及所述数量确定所述待检测植物的高度包括：
226.确定所述摄像装置所处的摄像高度；
227.将所述摄像高度与每个深度值进行相减运算，得到多个距离结果；
228.计算所述多个距离结果的总和；
229.将所述总和除以所述数量，得到所述待检测植物的高度。
230.通过上述实施方式，无需手动测量所述待检测植物，能够提高所述待检测植物的测量效率。
231.在本技术的至少一个实施例中，在根据多个深度值及所述数量确定所述待检测植物的高度之后，当所述高度小于预设高度时，生成单元120根据所述高度生成告警信息，进一步地，加密单元121采用对称加密算法加密所述告警信息，得到密文，更进一步地，所述确定单元110根据所述待检测植物确定所述密文的告警等级，所述确定单元110根据所述告警等级确定告警方式，更进一步地，发送单元122以所述告警方式发送所述密文。
232.其中，所述预设高度可以根据所述待检测植物的预期生成速率设置，本技术对所述预设高度的取值不作限制。
233.进一步地，所述告警等级包括：等级一、等级二等。
234.更进一步地，所述告警方式包括：扬声器的警报声、邮件方式、电话方式等。
235.通过上述实施方式，能够在所述高度小于所述预设高度时，发出告警信息，此外，通过加密告警信息，能够避免告警信息被篡改，提高告警信息的安全性，同时，根据告警等级确定告警方式，能够以合适的告警方式发送告警信息，使告警信息的发送更加人性化。
236.由以上技术方案可以看出，本技术从高度测量请求中确定待检测植物，能够准确确定所述待检测植物，控制所述摄像装置拍摄所述待检测植物，能够快速获取到彩色图像及深度图像，利用预先训练好的检测模型检测所述彩色图像，提高检测效率，从所述对齐图
像中确定多个目标框的深度值，并确定所述多个目标框的数量，根据多个深度值及所述数量确定所述待检测植物的高度，提高所述待检测植物的测量效率。
237.如图4所示，是本技术实现植物生长高度测量方法的较佳实施例的电子设备的结构示意图。
238.在本技术的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如植物生长高度测量程序。
239.本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
240.所述处理器13可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
241.所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个植物生长高度测量方法实施例中的步骤，例如图2所示的步骤。
242.示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成确定单元110、控制单元111、检测单元112、处理单元113、获取单元114、划分单元115、训练单元116、调整单元117、计算单元118、增强单元119、生成单元120、加密单元121及发送单元122。
243.所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器12可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
244.所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、tf卡(trans-flash card)等等。
245.所述电子设备1集成的模块/单元如果以软件功能单元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，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
246.其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
247.结合图2，所述电子设备1中的所述存储器12存储多个指令以实现一种植物生长高度测量方法，所述处理器13可执行所述多个指令从而实现：
248.当接收到高度测量请求时，从所述高度测量请求中确定待检测植物；
249.控制所述摄像装置拍摄所述待检测植物，得到所述待检测植物的彩色图像及深度图像，所述彩色图像包括多个待检测植物，及所述深度图像包括多个待检测植物；
250.利用预先训练好的检测模型检测所述彩色图像，得到与所述多个待检测植物对应的检测框；
251.利用图像对齐算法将所述彩色图像与所述深度图像进行对齐处理，得到对齐图像；
252.从所述对齐图像中获取与多个检测框对应的目标框；
253.从所述对齐图像中确定多个目标框的深度值，并确定所述多个目标框的数量；
254.根据多个深度值及所述数量确定所述待检测植物的高度。
255.具体地，所述处理器13对上述指令的具体实现方法可参考图2对应实施例中相关步骤的描述，在此不赘述。
256.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
257.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布图像到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
258.另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
259.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
260.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本技术中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
261.最后应说明的是，以上实施例仅用以说明本技术的技术方案而非限制，尽管参照较佳实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，可以对本技术的技术方案进行修改或等同替换，而不脱离本技术技术方案的精神和范围。