农作物种植结构提取方法、装置、设备及可读存储介质与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及农业遥感技术领域，尤其涉及一种农作物种植结构提取方法、装置、设备及可读存储介质。背景技术：2.准确实时地获取农作物种植信息和空间分布信息，可以为农业水资源合理配置与制定用水计划提供直观基础数据。随着对农业的重视，人们越来越关注农作物的监测，而传统的农作物种植结构获取方式依赖于人工实地调查监测，这种统计方式不仅耗时耗力，不能快速及时地满足农情监测的需要。3.目前，遥感技术已经成为农业种植结构分类的重要技术手段，利用卫星遥感技术可以快速实时地获取农作物的信息，可以为全天候监测农作物生长情况提供可靠的数据支撑，还可以获得农作物空间分布信息。但现有的利用单一遥感数据来提取农作物种植结构，该方法获取的农作物种植结构的效果和精度都比较差。4.所以，如何保证农作物种植结构提取精度是目前亟需解决的问题。技术实现要素：5.针对于现有技术存在的问题，本发明提供一种农作物种植结构提取的方法、装置、设备及可读存储介质。6.为了实现上述目的，本发明实施例采用的技术方案如下：7.第一方面，本发明实施例提供了一种农作物种植结构提取的方法，所述方法包括：8.获取预设区域内农作物的遥感影像，并对所述遥感影像进行预处理；9.基于目视解译，确定所述遥感影像中的农作物种植区域；10.计算所述农作物种植区域的植被指数；11.获取摄像头拍摄的所述农作物种植区域内的图像集，其中，所述图像集的拍摄时间与所述遥感影像的成像时间对应；12.根据所述图像集得到所述农作物种植区域的农作物植被指数阈值；13.基于所述植被指数阈值提取出所述农作物种植区域的农作物种植结构。14.进一步地，所述植被指数包括至少两个植被指数，所述根据所述图像集得到所述农作物种植区域的所述农作物植被指数阈值，包括：15.利用所述图像集中预设数量的图像，得到所述农作物种植区域的多个所述农作物植被指数阈值；16.所述基于所述植被指数阈值提取出所述农作物种植区域的所述农作物种植结构，包括：17.基于每个所述植被指数阈值，分别提取出多个对应的所述农作物种植区域的所述农作物种植结构；18.利用所述图像集中除所述预设数量的图像外的剩余图像，确定验证区域；19.比较每个所述农作物种植结构在所述验证区域的提取精度，将提取精度最大的对应的所述农作物种植结构作为所述农作物种植区域的所述农作物种植结构。20.进一步地，所述植被指数包括ndvi和evi植被指数。21.进一步地，所述根据所述图像集得到所述农作物种植区域的植被指数阈值，包括：22.根据所述图像集，分别计算每个农作物种植区域的植被指数；23.根据所有所述农作物种植区域的植被指数的最大值和最小值，确定所述农作物种植区域的植被指数阈值。24.进一步地，所述摄像头为可旋转摄像头，所述获取摄像头拍摄的所述农作物种植区域内的所述农作物的图像集，包括：25.利用所述摄像头在预设时间根据多个预设方向，采集所述农作物种植区域中所述农作物的多张图像；26.将所述多张图像作为所述农作物种植区域内的所述农作物的图像集。27.进一步地，所述预处理包括辐射定标、大气校正、正射校正、几何校正、投射转换、数据裁剪。28.第二方面，本发明实施例提供了一种农作物种植结构提取的装置，所述装置包括：29.遥感获取模块，获取预设区域内农作物的遥感影像，并对所述遥感影像进行预处理；30.处理模块，用于基于目视解译，确定所述遥感影像中的农作物种植区域；31.第一计算模块，用于计算所述农作物种植区域的植被指数；32.摄像获取模块，用于获取摄像头拍摄的所述农作物种植区域内的图像集，其中，所述图像集的拍摄时间与所述遥感影像的成像时间对应；33.第二计算模块，用于根据所述图像集得到所述农作物种植区域的农作物植被指数阈值；34.提取模块，用于利用所述植被指数阈值提取出所述农作物种植区域的农作物种植结构。35.进一步地，所述第二计算模块具体用于：利用所述图像集中预设数量的图像，得到所述农作物种植区域的多个所述农作物植被指数阈值；36.所述提取模块，包括：37.提取子模块，用于基于每个所述植被指数阈值，分别提取出多个对应的所述农作物区域的所述农作物种植结构；38.验证子模块，用于利用所述图像集中除所述预设数量的图像外的剩余图像，确定验证区域；39.对比子模块，用于比较每个所述农作物种植结构在所述验证区域的提取精度，将提取精度最大的对应的所述农作物种植结构作为所述农作物种植区域的所述农作物种植结构。40.第三方面，本发明实施例提供了一种计算机设备，包括：处理器和存储器，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以使所述计算机设备执行所述的一种农作物种植结构提取方法。41.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行一种农作物种植结构提取方法。42.与现有技术相比，本发明提供了一种农作物种植结构提取方法、装置、设备及可读存储介质，通过遥感影像和地面实际拍摄数据相结合的方法，精准获取农作物实时种植信息及其空间分布，解决了利用单一遥感数据来提取农作物种植信息精度较差的问题，极大的节省了地面实际统计数据所需的经济和人力成本，提高了地面样本点数据采集效率，提高了农作物种植结构的提取精度。附图说明43.为了更清楚地说明本发明的技术方案，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发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。44.图1示出了本发明实施例提供的农作物种植结构提取方法的流程图；45.图2示出了本发明实施例提供的农作物种植结构提取装置的方框结构示意图。具体实施方式46.为了使本发明的目的、技术方案及优点更加清楚明白，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。47.除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。48.实施例149.请参照图1，本发明实施例提供的一种农作物种植结构提取方法包括：50.s110：获取预设区域内农作物的遥感影像，并对遥感影像进行预处理。51.具体地，在本实施例中，通过landsat-8影像数据获取预设区域内农作物的遥感影像，分辨率为30m。可以理解的是，还可以通过其他方式获取农作物的遥感影像，本技术实施例对此不做限定。52.在本实施例中，还需要对获取的遥感影像数据进行预处理，其中，预处理包括辐射定标、大气校正、正射校正、几何校正、投射转换、数据裁剪。53.具体地，对遥感影像进行辐射定标，可以用于将遥感影像的灰度值转换为辐射亮度值图像；大气校正，可以减少大气对遥感影像的影响，得到真实的地表反射信息；正射校正，可以用于对遥感影像进行倾斜改正和投影差改正；几何校正，用于对遥感影像的几何误差进行消除或改正；投射转换，根据需求进行自定义投影设置；数据裁剪，用于选取遥感影像中所需要的区域影像。经过预处理后的遥感影像，能够更加精确地反映区域地表信息。54.s120：基于目视解译，确定遥感影像中的农作物种植区域。55.具体地，目视解译是对遥感影像上的各种特征进行综合分析、比较、推理和判断，由于经过遥感影像预处理后的图像所表现颜色和纹理有明显差别，因此通过目视解译可以获取遥感图像中特定目标地物信息，比如确定农作物、居民点、道路以及河流等分布情况。通过结合物候特征，便能够选择出单一农作物种植区域。比如，选择我国北方平原区作为研究区域，通过目视解译确定遥感影像中建筑用地、水体、道路以及农作物等地物信息，选择10-12月份作为研究时间，结合物候特征，我国北方平原区冬季种植的农作物大部分都是小麦，以使研究期间得到的农作物种植区域内只有冬小麦，避免研究区域内其他物体对农作物种植结构提取的影响。56.可以理解的是，通过目视解译，对遥感影像中的农作物种植区域信息进行了初步提取。57.s130：计算农作物种植区域的植被指数。58.具体地，植被指数是指利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。其中，农作物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。59.计算农作物种植区域的植被指数，进而在后续步骤中，利用植被指数对遥感影像进行提取，提高农作物种植区域的提取精度。60.s140：获取摄像头拍摄的农作物种植区域内的图像集，其中，图像集的获取时间与遥感影像的成像时间对应。61.具体地，基于遥感影像的成像时间，获取摄像头拍摄的农作物区域内的图像集。例如，当遥感影像的成像时间是2021年11月23日，则对应获取2021年11月23日摄像头拍摄的农作物区域内的图像集，从而保证获取的数据的一致性，提高数据处理的准确性。62.为了获取更多更全面的地面实际数据，摄像头为可旋转摄像头。63.具体地，所述获取摄像头拍摄的农作物区域内的图像集，包括：64.利用所述摄像头在预设时间根据多个预设方向，采集所述农作物种植区域中所述农作物的多张图像；65.将所述多张图像作为所述农作物种植区域内的所述农作物的图像集。66.具体地，统一设置摄像头的高度为18m，预设m个方向，在预设时间点便开启摄像头，利用摄像头分别拍摄m个方向上的农作物图像，直至每个方向都拍摄完毕，可选地，一天可以设置多个预设时间点。当landsat多光谱影像分辨率为30m，地面区域面积对应为30m*30m，通过相机拍摄俯仰角，得到摄像机所拍摄的视野范围，分别记录下各摄像头的拍摄角度，种植信息的地理坐标以及农作物种植情况，通过交换机或路由器与终端处理器之间进行连接，方便实时传输照片。将摄像机拍摄到的图像按拍摄时间先后顺序排列，筛选出可以清楚反映地表种植信息的所有图像作为图像集。67.比如，将2021年11月23日这一日作为研究时间，获取这一天的遥感图像，在农作物种植区域中设置n个摄像机，这一天中的08：00和18：00作为两个预设时间点，并将拍摄方向可分为m个方向，那么，地面实际对应的图像集便是这一日所拍摄n*2*m张图像。68.s150：根据图像集得到农作物种植区域的农作物植被指数阈值。69.具体地，利用图像集中带有种植信息的地理坐标，对农作物种植区域中农作物植被指数进行计算，从而得到农作物植被指数阈值。利用地面实际获取的图像集，能够得到更加精准的植被指数阈值。70.在本实施例中，根据图像集得到所述农作物种植区域的农作物植被指数阈值，包括：71.根据所述图像集，分别计算每个农作物种植区域的植被指数；72.根据所有所述农作物种植区域的植被指数的最大值和最小值，确定所述农作物种植区域的植被指数阈值。73.具体地，图像集中总共有n*2*m张图像，将图像中的地理坐标，利用arcgis(地理信息系统软件)中值提取至点功能，获得每个地理坐标的植被指数，根据所有所获得植被指数的最大值和最小值，确定农作物种植区域的植被指数阈值。由于受播种时间、农作物生长差异等影响，通过地面实际拍摄数据来对植被指数阈值进行调整，从而得到更加符合实际情况的植被指数阈值。74.s160：基于植被指数阈值提取出农作物种植区域的农作物种植结构。75.具体地，通过限定了植被指数阈值后，就可以更加精准地农作物种植结构。比如，基于2021年11月23日所得到的植被指数阈值，便能够更加精确地提取出这一天我国北方平原区冬小麦的面积空间分布情况。76.在一种可选的实施方式中，植被指数包括至少两个植被指数，根据图像集得到农作物种植区域的农作物植被指数阈值，包括：77.利用图像集中预设数量的图像，得到农作物种植区域的多个农作物植被指数阈值；78.进而，基于所述植被指数阈值提取出农作物种植区域的农作物种植结构，包括：79.基于每个植被指数阈值，分别提取出多个对应的农作物种植区域的农作物种植结构；80.利用图像集中除预设数量的图像外的剩余图像，确定验证区域；81.比较每个农作物种植结构在验证区域的提取精度，将提取精度最大的对应的农作物种植结构作为农作物种植区域的农作物种植结构。82.具体地，至少两个植被指数包括ndvi(normalized difference vegetation index，归一化差分植被指数)和evi(enhanced vegetation index，增强植被指数)植被指数。可以理解的是，植被指数的选取可以根据实际需求设定，本技术实施例对此不做限定。83.具体地，根据预设数量的图像中带有种植信息的地理坐标，分别计算多个植被指数。比如，图像集中总共有n*2*m张图像，利用(n/2)*2*m张图像中的地理坐标，利用arcgis(地理信息系统软件)中值提取至点功能，获得每个地理坐标的多个植被指数，根据所有所获得植被指数的最大值和最小值，确定农作物种植区域的植被指数阈值。84.进而，分别基于ndvi和evi植被指数阈值，得到对应的两种提取结果。85.再利用图像集中除去用于计算农作物植被指数阈值的图像的剩余图像所确定的验证区域，判断验证区域带有种植信息的地理坐标是否位于基于ndvi和evi植被指数阈值所提取出的农作物种植结构中。比如，利用(n-n/2)*2*m张图像构成验证区域，利用验证区域中带有种植信息的地理坐标，判断地理坐标是否位于基于ndvi植被指数阈值或基于evi植被指数阈值所提取出的农作物种植结构中。86.具体地，根据验证区域中带有种植信息的地理坐标在对应所提取出的农作物种植结构中所占的比例，来评价基于ndvi和evi植被指数阈值所得到的两种提取结果的精度。将两者的提取精度进行对比，选择精度最高的作为最终提取结果。87.与现有技术相比，本发明实施例中提供了一种农作物种植结构方法，通过遥感影像和地面实际拍摄数据相结合的方法，精准获取农作物实时种植信息及其空间分布，解决了利用单一遥感数据来提取农作物种植信息精度较差的问题，极大的节省了地面实际统计数据所需的经济和人力成本，提高了地面样本点数据采集效率，提高了农作物种植结构的提取精度。88.实施例289.与上述方法实施例相对应，请参照图2，图2为本发明实施例提供的一种农作物种植结构提取装置的结构示意框图。农作物种植结构提取装置200包括遥感获取模块210、处理模块220、第一计算模块230、摄像获取模块240、第二计算模块250和提取模块260。90.其中，遥感获取模块210，用于获取预设区域内农作物的遥感影像，并对遥感影像进行预处理；91.处理模块220，用于基于目视解译，确定遥感影像中的农作物种植区域；92.第一计算模块230，用于计算农作物种植区域的植被指数；93.摄像获取模块240，用于获取摄像头拍摄的农作物种植区域内的图像集，其中，图像集的拍摄时间与遥感影像的成像时间对应；94.第二计算模块250，用于根据图像集得到农作物种植区域的农作物植被指数阈值；95.提取模块260，用于利用植被指数阈值提取出农作物种植区域的农作物种植结构。96.可选地，植被指数包括至少两个植被指数，第二计算模块250具体用于：利用所述图像集中预设数量的图像，得到所述农作物区域的多个所述农作物植被指数阈值；97.提取模块260包括：98.提取子模块，用于基于每个所述植被指数阈值，分别提取出多个对应的所述农作物区域的所述农作物种植结构；99.验证子模块，用于利用所述图像集中除所述预设数量的图像外的剩余图像，确定验证区域；100.对比子模块，用于比较每个所述农作物种植结构在所述验证区域的提取精度，将提取精度最大的对应的所述农作物种植结构作为所述农作物区域的所述农作物种植结构。101.可选地，所述植被指数包括ndvi和evi植被指数。102.可选地，第二计算模块230，还包括：103.计算子模块，用于根据所述图像集，分别计算每个农作物种植区域的植被指数；104.确定子模块，用于根据所有所述农作物种植区域的植被指数的最大值和最小值，确定所述农作物种植区域的植被指数阈值。105.可选地，所述摄像头为可旋转摄像头，摄像获取模块240包括：106.采集子模块，用于利用所述摄像头在预设时间根据多个预设方向，采集所述农作物种植区域中所述农作物的多张图像；107.集合子模块，用于将所述多张图像作为所述农作物种植区域内的所述农作物的图像集。108.可选地，预处理包括辐射定标、大气校正、正射校正、几何校正、投射转换、数据裁剪。109.本技术实施例提供的农作物种植结构提取装置能够实现图1的方法实施例中农作物种植结构提取方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。110.本发明实施例还公开了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器执行时，实现如实施例1所述的农作物种植结构提取方法。111.本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如实施例1所述的农作物种植结构提取方法。112.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，附图中的流程图和结构图显示了根据本发明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，结构图和/或流程图中的每个方框、以及结构图和/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。113.另外，在本发明各个实施例中的各功能模块或单元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，也可以两个或更多个模块集成形成一个独立的部分。114.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，本发明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(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明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。115.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!