基于无人机航拍的灌溉装置异常检测方法及系统与流程

1.本发明涉及应用电子设备进行识别的方法领域，具体涉及一种基于无人机航拍的灌溉装置异常检测方法及系统。


背景技术：

2.灌溉装置的使用场景大多在农田野外，再改环境下，经常遭遇暴雨，大风等恶劣天气，户外的意外情况也较多，都会对于装置进行不同程度的侵蚀和破坏，最常见的受损情况如灌溉输水管道的破裂、传感器故障和喷头磨损等。
3.在对喷灌装置进行检修时，均是派遣技术工人进行巡逻，然而，平原地区的农田其占地面积比较大，且都为批量种植，以至于农业灌溉装置覆盖面积大，在进行人工巡逻检查时需要大量的人工一个个对喷头进行检查，且人工巡逻都以定期巡逻为主，并不能实时检查每个喷头。
4.因此，需要一种基于无人机航拍进行识别及处理实现灌溉装置异常检测方法及系统，以解决上述问题。


技术实现要素：

5.本发明提供一种基于无人机航拍的灌溉装置异常检测方法及系统，以解决现有的问题。
6.本发明的一种基于无人机航拍的灌溉装置异常检测方法采用如下技术方案：该方法包括：采集喷灌区域的喷灌图像，对喷灌图像进行分割得到喷头图像、水柱区域图像，根据喷头图像、水柱区域图像得到水雾图像；计算水柱区域图像中每一行的所有水柱的高度和长度，根据该行水柱的长度和高度得到每条水柱对应的高度异常系数和长度异常系数；获取喷头图像中喷头位置，在水雾图像中以每个喷头位置的出水点为中心做圆得到目标区域图像，且相邻的目标区域图像不重叠；获取目标区域图像的灰度直方图，获取灰度直方图中的峰值，根据同一行目标区域图像对应的峰值及所有峰值的平均值获取每个水柱的水雾异常系数；根据长度异常系数、高度异常系数、水雾异常系数计算每个对应喷头的综合异常系数；根据综合异常系数与设定的阈值确定异常喷头及异常喷头位置并发出警报。
7.进一步的，对喷灌图像进行分割得到水柱区域图像的步骤包括：对喷灌图像进行语义分割得到背景水柱区域图像；对背景水柱区域图像进行灰度化处理，获取灰度化处理后的背景水柱区域图像的灰度直方图；获取灰度直方图中两个峰值之间的低谷处所对应的灰度值，将该灰度值记为最优
阈值；根据最优阈值对背景水柱区域图像进行阈值分割得到水柱区域图像。
8.进一步的，根据喷头图像、水柱区域图像得到水雾图像的步骤包括：获取喷头图像对应的二值图像及水柱区域图像的对应的二值图像；根据喷头图像对应的二值图像、水柱区域图像的对应的二值图像及灌溉图像得到背景水雾图像，背景水雾图像记为水雾图像。
9.进一步的，计算水柱区域图像中每一行的所有水柱的高度和长度的步骤包括：建立水柱区域图像的二维坐标系；以水柱区域图像中喷头出水点为起始点建立滑窗；设定滑窗滑动步长为一个像素点，并沿水柱区域图像中水柱对应像素点的方向滑动；直至滑窗滑动至水柱末端记录当前滑窗中心点的最终像素坐标；根据滑窗的起始点坐标及最终像素坐标计算水柱的长度与高度。
10.进一步的，根据滑窗的起始点坐标及最终像素坐标计算水柱的长度与高度的步骤包括：根据滑窗的起始点坐标至最终像素坐标的所有像素点得到水柱的长度；最终像素的纵坐标值减去起始点的纵坐标值即为水柱的高度。
11.进一步的，根据该行水柱的长度和高度得到每条水柱对应的高度异常系数和长度异常系数的步骤包括：获取水柱区域图像中同一行所有水柱的长度、高度对应的长度中位数和高度中位数；同一行的每一个水柱的长度与长度中位数的差值记为长度异常系数；同一行的每一个水柱的高度与高度中位数的差值记为高度异常系数。
12.进一步的，根据同一行目标区域图像对应的峰值及所有峰值的平均值获取每个水柱的水雾异常系数的步骤包括：获取平均值与同一行目标区域图像对应的峰值的差值，该差值记为每个目标区域图像对应的水雾异常系数。
13.进一步的，根据长度异常系数、高度异常系数、水雾异常系数计算每个对应喷头的综合异常系数的步骤包括：根据下式（1）计算综合异常系数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中，表示长度异常系数、表示高度异常系数、表示水雾异常系数、表示水柱异常的权重系数、表示水雾异常的权重系数。
14.进一步的，根据综合异常系数与设定的阈值确定异常喷头及异常喷头位置并发出警报的步骤包括：建立喷灌图像的二维坐标；当综合异常系数大于设定的阈值，则确定该水柱及水雾对应的喷头为异常喷头；获取异常喷头的二维坐标并发出警报。
15.本发明还公开了一种基于无人机航拍的灌溉装置异常检测系统，包括：图像采集模块，用于采集喷灌区域的喷灌图像，对喷灌图像进行分割得到喷头图像、水柱区域图像，根据喷头图像、水柱区域图像得到水雾图像；第一参数计算模块，用于计算水柱区域图像中每一行的所有水柱的高度和长度，根据该行水柱的长度和高度得到每条水柱对应的高度异常系数和长度异常系数；图像处理模块，用于获取喷头图像中喷头位置，在水雾图像中以每个喷头位置的出水点为中心做圆得到目标区域图像，且相邻的目标区域图像不重叠；第二参数计算模块，用于获取目标区域图像的灰度直方图，获取灰度直方图中的峰值，根据同一行目标区域图像对应的峰值及所有峰值的平均值获取每个水柱的水雾异常系数；综合参数计算模块，用于根据长度异常系数、高度异常系数、水雾异常系数计算每个对应喷头的综合异常系数；报警模块，用于根据综合异常系数与设定的阈值确定异常喷头及异常喷头位置并发出警报。
16.本发明的有益效果是：本发明的一种基于无人机航拍的灌溉装置异常检测方法及系统，通过获取未雾化区域水柱的高度异常系数、长度异常系数及雾化区域的水雾异常系数来作为判断喷灌装置的综合异常参数，根据综合异常参数来实现对异常喷头的确定及异常喷头位置的确定，从而发出警报，实现喷灌异常的实时检测，从而减少人工劳动力，以便检修工人及时维修，本方法应用于灌溉装置中无人机航拍进行识别及处理实现灌溉装置智能检测。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1为本发明的一种基于无人机航拍的灌溉装置异常检测方法及系统的实施例总体步骤的流程图；图2为图1中获取水柱区域图像的流程图；图3为图1中获取水柱的长度和高度的流程图；图4为本方法中水柱区域图像的示意图；图5为本方法中目标区域图像的示意图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.本发明的一种基于无人机航拍的灌溉装置异常检测方法的实施例，如图1所示，该
方法包括：s1、采集喷灌区域的喷灌图像，对喷灌图像进行分割得到喷头图像、水柱区域图像，根据喷头图像、水柱区域图像得到水雾图像。
21.具体的，通过无人机采集喷灌农田灌溉区域的灌溉图像，采用dnn语义分割对灌溉图像分割，即将灌溉图像中需要分割的像素，共分为2类，属于喷头对应的像素的标注为1，其他区域记为背景类的标注为0，从而得到只包含喷头区域的喷头图像。
22.具体的，由于灌溉区域大多在室外，所以离喷头较近的水舌区域未雾化，可看做水柱，水柱的像素点相比于雾化后的水雾的像素点的密度较大，故水柱的像素点的亮度高于水雾的像素点的灰度值，s11、对喷灌图像进行分割得到水柱区域图像的步骤包括：如图2所示，s111、根据获取喷头图像的方法，对灌溉图像进行语义分割得到只包含背景水柱区域的背景水柱区域图像，s112、对背景水柱区域图像进行灰度化处理，获取灰度化处理后的背景水柱区域图像的灰度直方图；s113、获取灰度直方图中两个峰值之间的低谷处所对应的灰度值，将该灰度值记为最优阈值，s114、如图4所示，根据最优阈值对背景水柱区域图像进行阈值分割得到水柱区域图像，具体的，s12、根据喷头图像、水柱区域图像得到水雾图像的步骤包括：s121、获取喷头图像对应的二值图像及水柱区域图像的对应的二值图像；s122、根据喷头图像对应的二值图像、水柱区域图像的对应的二值图像及灌溉图像得到背景水雾图像，如图5所示，由于水雾比较分散，划分的各个目标区域图像均有水雾，则目标区域图像中水雾像素点最多，故背景水雾图像中的背景像素点可以忽略，即背景水雾图像即为水雾图像。
23.s2、由于灌溉装置在农田的分布是按行分布或者按列分布，因此计算水柱区域图像中每一行的所有水柱的高度和长度，由于灌溉喷头的水流随着出喷头的距离会越发分散雾化，所以水柱的边缘水流会比中间水流分散，且密集度低，在灰度图像中的表现为边缘水流图像比中间水流图像灰度低，因为先对灌溉喷头进行定位，其次进行水柱的异常系数的判断，当灌溉装置没有喷出水柱时，水柱的高度和长度均为0，本方法就会检测出来喷头的异常；故根据该行水柱的长度和高度得到每条水柱对应的高度异常系数和长度异常系数。
24.具体的，s21、计算水柱区域图像中每一行的所有水柱的高度和长度的步骤包括：如图3所示，s211、建立水柱区域图像的二维坐标系；s212、以水柱区域图像中喷头出水点为起始点建立滑窗，具体的，设置滑窗的尺寸为3x3，滑窗大小可根据喷罐水流具体情况进行设定，本发明再此设定值为，目的是为了确保滑窗运动的准确；设定滑窗滑动步长为一个像素点，并沿水柱区域图像中水柱对应像素点的方向滑动；s213、直至滑窗滑动至水柱末端记录当前滑窗中心点的最终像素坐标；s214、根据滑窗的起始点坐标及最终像素坐标计算水柱的长度与高度，具体的，s2141、根据滑窗的起始点坐标至最终像素坐标的所有像素点得到水柱的长度；具体的，设初始滑窗的中心点对应的水柱长度0，滑窗每移动一个像素单位，则=0 1，直至滑窗移动至水柱末端，滑窗停止移动并记录当前滑窗中心点的像素坐标，当前 的值即为水柱的长度，s2142、最终像素的纵坐标值减去起始点的纵坐标值即为水柱的高度，具体的，每一行水柱的长度依次记为[1,2,3ꢀ…n]，每一行的水柱的高度依次为1,2,3ꢀ…n]。
[0025]
s22、根据该行水柱的长度和高度得到每条水柱对应的高度异常系数和长度异常系数的步骤包括：获取水柱区域图像中同一行所有水柱的长度、高度对应的长度中位数和
高度中位数；同一行的每一个水柱的长度与长度中位数的差值记为长度异常系数；同一行的每一个水柱的高度与高度中位数的差值记为高度异常系数，其中，长度异常系数l=0,1,2
…
(n-1)，其中，为长度中位数，表示同一行水柱中第个水柱对应的长度；高度异常系数h=0,1,2
…
(n-1)，其中，为高度中位数，表示同一行水柱中第个水柱对应的高度。
[0026]
s3、获取喷头图像中喷头位置，由于水雾会受到外界环境的影响，比如随着风的方向会产生误差，因此为了将水雾像素点基本包含进去，从而提高精确度，故在水雾图像中以每个喷头位置的出水点为中心做圆得到目标区域图像，且相邻的目标区域图像不重叠；s4、因为划分的各个目标区域图像均有水雾，则目标区域图像中水雾像素点最多，故获取目标区域图像中像素点的灰度直方图，获取灰度直方图中的峰值，则峰值对应的则为水雾像素点，根据同一行目标区域图像对应的峰值及所有峰值的平均值获取每个水柱的水雾异常系数，具体的，获取平均值与同一行目标区域图像对应的峰值的差值，该差值记为每个目标区域图像对应的水雾异常系数，其中，水雾异常系数记为，表示第i个目标区域图像的峰值，该行目标图像所有峰值的平均值。
[0027]
s5、根据长度异常系数、高度异常系数、水雾异常系数计算每个对应喷头的综合异常系数。
[0028]
具体的，根据下式（1）计算综合异常系数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中，表示长度异常系数、表示高度异常系数、表示水雾异常系数、表示水柱异常的权重系数、表示水雾异常的权重系数。
[0029]
s6、根据综合异常系数与设定的阈值确定异常喷头及异常喷头位置并发出警报；具体的，建立喷灌图像的二维坐标；当综合异常系数大于设定的阈值，则确定该水柱及水雾对应的喷头为异常喷头；获取异常喷头的二维坐标并将异常喷头的二维坐标上传至系统，并发出异常警报。
[0030]
本发明还公开了一种基于无人机航拍的灌溉装置异常检测系统，该系统包括：图像采集模块、第一参数计算模块、图像处理模块、第二参数计算模块、综合参数计算模块、报警模块，具体的，图像采集模块，用于采集喷灌区域的喷灌图像，对喷灌图像进行分割得到喷头图像、水柱区域图像，根据喷头图像、水柱区域图像得到水雾图像；第一参数计算模块，用于计算水柱区域图像中每一行的所有水柱的高度和长度，根据该行水柱的长度和高度得到每条水柱对应的高度异常系数和长度异常系数；图像处理模块，用于获取喷头图像中喷头位置，在水雾图像中以每个喷头位置的出水点为中心做圆得到目标区域图像，且相邻的目标区域图像不重叠；第二参数计算模块，用于获取目标区域图像的灰度直方图，获取灰度直方图中的峰值，根据同一行目标区域图像对应的峰值及所有峰值的平均值获取每个水柱的水雾异常系数；综合参数计算模块，用于根据长度异常系数、高度异常系数、水雾异常系数计算每个对应喷头的综合异常系数；报警模块，用于根据综合异常系数与设定的阈值确定异常喷头及异常喷头位置并发出警报。
[0031]
综上所述，本发明提供一种基于无人机航拍的灌溉装置异常检测方法及系统，通
过获取未雾化区域水柱的高度异常系数、长度异常系数及雾化区域的水雾异常系数来作为判断喷灌装置的综合异常参数，根据综合异常参数来实现对异常喷头的确定及异常喷头位置的确定，从而发出警报，实现喷灌异常的实时检测，从而减少人工劳动力，以便检修工人及时维修。
[0032]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。