农作物产量的确定方法及装置、非易失性存储介质与流程

本申请涉及农作物产量估计领域，具体而言，涉及一种农作物产量的确定方法及装置、非易失性存储介质。

背景技术：

目前对农田进行产量估计时，常常依据前期的农作物长势或者历史经验进行估计，但是，这种方式比较适用于精度要求不是很高或者一些特殊的农田(例如小块农田，已开发农田)的场景，但是，这种方式准确性不是很高，因此，并不适用于精度要求比较高的场合中或者新开发农田的产量预测中。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请实施例提供了一种农作物产量的确定方法及装置、非易失性存储介质，以至少解决相关技术在展示多个图像时耗内存、不直观的技术问题。

根据本申请实施例的一个方面，提供了一种农作物产量的确定方法，包括：获取目标区域的图像；从所述图像中识别出被农作物覆盖的区域，得到农作物区域；获取所述农作物区域中单位面积的产量，得到单位产量；以及基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。

可选地，从图像中识别出被农作物覆盖的区域，得到农作物区域，包括：对图像进行分割，得到农作物区域和非农作物区域，其中，非农作物区域为未被农作物覆盖的区域；获取农作物区域中单位面积的产量，得到单位产量，包括：获取农作物区域中多个采样点的农作物产量；计算多个采样点的农作物产量的平均值，得到单位产量。

可选地，多个采样点在目标区域中是均匀分布的。

可选地，方法还包括：接收对农作物区域中的目标点的选中指令；响应于选中指令，依据多个采样点的农作物产量、多个采样点与目标点的距离确定目标点的农作物产量。

可选地，依据多个采样点的农作物产量、多个采样点与目标点的距离确定目标点的农作物产量，包括：pj表示目标点j的农作物产量，pi表示采样点i的农作物产量；dij表示采样点i到目标点j点的欧氏距离,cvj表示是否被植被覆盖的值，如果被植被覆盖为1，否则为0。

可选地，方法还包括：对多个采样点的农作物产量进行插值运算，得到目标区域中农作物产量的分布信息；将分布信息添加至图像中，得到目标图像，并展示目标图像。

可选地，将分布信息添加至图像中，得到目标图像，包括：依据分布信息更新目标区域中的各个像素点的像素值，得到目标图像。

根据本申请实施例的再一个方面，提供了一种农作物产量的确定方法，包括：获取目标区域的图像；从图像中识别出被农作物覆盖的区域，得到农作物区域；接收对农作物区域中的目标点的选中指令；响应于选中指令，依据农作物区域中多个采样点的农作物产量、多个采样点与目标点的距离确定目标点的农作物产量。

可选地，方法还包括：对多个采样点的农作物产量进行插值运算，得到目标区域中农作物产量的分布信息；将分布信息添加至图像中，得到目标图像；展示目标图像。

根据本申请实施例的又一个方面，提供了一种农作物产量的确定装置，包括：第一获取模块，用于获取目标区域的图像；识别模块，用于从图像中识别出被农作物覆盖的区域，得到农作物区域；第二获取模块，用于获取农作物区域中单位面积的产量，得到单位产量；以及确定模块，用于基于单位产量和农作物区域的面积确定目标区域的农作物产量。

根据本申请实施例的另一个方面，提供了一种农作物产量的确定系统，包括：无人机和目标设备；其中，无人机，用于获取目标区域的图像，并将图像发送至目标设备；目标设备，用于从图像中识别出被农作物覆盖的区域，得到农作物区域；获取农作物区域中单位面积的产量，得到单位产量；以及基于单位产量和农作物区域的面积确定目标区域的农作物产量。

根据本申请实施例的又一个方面，提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以上所述的农作物产量的确定方法。

根据本申请实施例的又一个方面，提供了一种处理器，该处理器用于运行存储在存储介质中的程序指令，其中，在程序指令运行时执行以上所述的农作物产量的确定方法。

在本申请实施例中，从获取的目标区域的图像中识别出农作物区域，并基于获取的农作物区域中单位面积的产量和农作物区域的面积确定目标区域的农作物产量，上述方案相对于采用遥感图像的方式，由于采用了基于相对客观的图像确定产量，并且仅考虑了作物区域的产量情况，因此，计算结果更加准确，进而解决了相关技术在展示多个图像时耗内存、不直观的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种农作物产量的确定方法的流程示意图；

图2是根据本申请实施例的一种农作物产量的确定装置的结构示意图；

图3是根据本申请实施例的另一种农作物产量的确定方法的流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，提供了一种农作物产量的确定的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种农作物产量的确定系统的结构示意图，如图1所示，该方法包括如下步骤：

步骤s102，获取目标区域的图像；

其中，获取图像的方式有多种，例如，可以通过无人机上的图像采集装置采集，在步骤s102的执行主体为目标设备时，无人机将采集的图像发送至目标设备，该目标设备包括但不限于：后台服务器。又例如，还可以从设置在目标区域的监测设备(例如摄像头等图像采集设备)中获取。

步骤s104，从所述图像中识别出被农作物覆盖的区域，得到农作物区域；

在本申请的一些实施例中，农作物区域的识别方式有多种，例如，采用机器学习模型进行识别，此时，可以表现为以下处理过程:将图像输入至机器学习模型中进行分析，得到用于指示是否为农作物区域的识别结果，其中，机器学习模型是通过多组数据训练得到的，多组数据中的每组数据包括：样本图像和用于标记该样本图像为农作物区域的标识。又例如，可以基于rgb颜色空间的彩色图像分割方法对上述图像进行分割，得到农作物区域和非农作物区域。

具体地，上述图像可以为通过航测无人机拍摄的厘米级精度的农田图像，该农田图像为rgb图像，对该rgb图像进行分割，分割出作物区域和裸露的地面区域。

步骤s106，获取所述农作物区域中单位面积的产量，得到单位产量；

步骤s108，基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。

在本申请的一些实施例中，可以对所述图像进行分割，得到所述农作物区域和非农作物区域，其中，所述非农作物区域为未被所述农作物覆盖的区域；此时可以依据以下方式确定目标区域的农作物产量：获取所述农作物区域中多个采样点的农作物产量；计算所述多个采样点的农作物产量的平均值，得到所述单位产量。

其中，上述多个采样点的农作物产量可以是依据相对比较精确的方式确定的，例如依据机器学习的方式确定的，也可以是依据每个采样点中植株密度和/或植株生长情况确定的，对于后者，可以预设一个植株密度和产量的映射关系，后续依据该映射关系确定采样点的产量。

其中，上述非农作物区域可以为农作物的植株密度小于预设阈值的区域，也可以为与目标区域中的当前区域与周边区域的植株密度之差大于预设阈值的区域，并不限于此。

为了保证测量结果的准确性，上述多个采样点在所述目标区域中是均匀分布的。在一个可选实施例中，如果目标区域中的农作物区域不是连续的，即有可能是间隔分布的，为保证结果的准确性，需要在每个间隔分布的农作物区域中均设置至少一个采样点。

在本申请的另一些实施例中，在目标区域中的植株分布比较均匀的情况下，上述多个采样点是可以随机设置的。

在本申请的一些实施例中，还可以计算图像中某一点所对应的区域的农作物产量，具体地：接收对所述农作物区域中的目标点的选中指令；响应于所述选中指令，依据所述多个采样点的农作物产量、所述多个采样点与所述目标点的距离确定所述目标点的农作物产量。

上述选中指令包括但不限于对图像中某一点的选中，还可以包括对图像中某一块区域的框选，对于框选区域所对应的农作物产量可以是框选区域中所有点所对应的农作物产量的和值。

在本申请的一些实施例中，通过以下方式确定所述目标点的农作物产量：pj表示目标点j的农作物产量，pi表示采样点i的农作物产量；dij表示采样点i到目标点j点的欧氏距离,cvj表示是否被植被覆盖的值，如果被植被覆盖为1，否则为0。

本申请实施例还提供一种目标区域的农作物产量分布情况的预测方案，例如：对所述多个采样点的农作物产量进行插值运算，得到所述目标区域中农作物产量的分布信息；将所述分布信息添加至所述图像中，得到目标图像，并展示所述目标图像。其中，在展示目标图像时，可以依据所述分布信息更新所述目标区域中的各个像素点的像素值，这样，便可以基于不同颜色值直观地观测到目标区域中农作物产量的分布情况。又例如，还可以利用颜色的不同深浅程度来表示产量分布情况。

本申请实施例还提供了一种农作物产量的确定装置，如图2所示，该装置包括：第一获取模块20、识别模块22、第二获取模块24和确定模块26。

第一获取模块20，用于获取目标区域的图像；

识别模块22，用于从所述图像中识别出被农作物覆盖的区域，得到农作物区域；

第二获取模块24，用于获取所述农作物区域中单位面积的产量，得到单位产量；在本申请的一些实施例中，对所述图像进行分割，得到所述农作物区域和非农作物区域，其中，所述非农作物区域为未被所述农作物覆盖的区域；此时可以依据以下方式确定目标区域的农作物产量：获取所述农作物区域中多个采样点的农作物产量；计算所述多个采样点的农作物产量的平均值，得到所述单位产量。

其中，上述非农作物区域可以为农作物的植株密度小于预设阈值的区域，也可以为与目标区域中的当前区域与周边区域的植株密度之差大于预设阈值的区域，并不限于此。

确定模块26，用于基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。

在本申请的一些实施例中，农作物产量的确定装置还可以包括处理模块，以计算图像中某一点所对应的区域的农作物产量，具体地：接收对所述农作物区域中的目标点的选中指令；响应于所述选中指令，依据所述多个采样点的农作物产量、所述多个采样点与所述目标点的距离确定所述目标点的农作物产量。具体地，通过以下方式确定所述目标点的农作物产量：pj表示目标点j的农作物产量，pi表示采样点i的农作物产量；dij表示采样点i到目标点j点的欧氏距离,cvj表示是否被植被覆盖的值，如果被植被覆盖为1，否则为0。

需要说明的是，图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

本申请实施例的还提供了一种农作物产量的确定方法，如图3所示，该方法包括：

步骤s302，获取目标区域的图像；

步骤s304，从所述图像中识别出被农作物覆盖的区域，得到农作物区域；

步骤s306，接收对所述农作物区域中的目标点的选中指令；

步骤s308，响应于所述选中指令，依据所述农作物区域中多个采样点的农作物产量、所述多个采样点与所述目标点的距离确定所述目标点的农作物产量。

在本申请的一些实施例中，还可以确定目标区域的农作物产量的分布信息，具体地：对多个采样点的农作物产量进行插值运算，得到目标区域中农作物产量的分布信息；将分布信息添加至图像中，得到目标图像；展示目标图像。在展示目标图像时，可以依据所述分布信息更新所述目标区域中的各个像素点的像素值，这样，便可以基于不同颜色值直观地观测到目标区域中农作物产量的分布情况。

需要说明的是，图3所示实施例的优选实施方式可以参见图1-2所示实施例的相关描述，此处不再赘述。

本申请实施例还提供了一种农作物产量的确定系统，该系统包括：无人机和目标设备；其中，无人机，用于获取目标区域的图像，并将图像发送至目标设备；目标设备，用于从图像中识别出被农作物覆盖的区域，得到农作物区域；获取农作物区域中单位面积的产量，得到单位产量；以及基于单位产量和农作物区域的面积确定目标区域的农作物产量。

上述目标设备包括但不限于：后台监测设备或服务器等。

以无人机采集图像的场景为例，在图像中包括两类区域：被农作物覆盖的区域，没有被植被覆盖的区域，在这个地块上面进行随机设置采样点，然后测出单位面积的产量，例如可以采集采样点单位面积内的棉花朵的数量，并进行称重计算单位面积内的产量，采样点可以是一个，也可以是多个，采样点越多，测出的结果越准。

然后根据采样点所测的值进行插值运算，设i∈{1......n}代表n个采样点，则任意一点j的产量值为

dij表示采样点i到目标点j点的欧氏距离,cvj表示是否被植被覆盖的值，如果被植被覆盖则为1否则为0。然后对地块所有点求和即可得到地块的产量。

需要说明的是，该实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

根据本申请实施例的又一个方面，提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行以上所述的农作物产量的确定方法。例如，非易失性存储介质中存储有执行以下功能的程序指令：获取目标区域的图像；从所述图像中识别出被农作物覆盖的区域，得到农作物区域；获取所述农作物区域中单位面积的产量，得到单位产量；以及基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。

可选地，非易失性存储介质中还存储有执行以下功能的程序指令：，从图像中识别出被农作物覆盖的区域，得到农作物区域，包括：对图像进行分割，得到农作物区域和非农作物区域，其中，非农作物区域为未被农作物覆盖的区域；获取农作物区域中单位面积的产量，得到单位产量，包括：获取农作物区域中多个采样点的农作物产量；计算多个采样点的农作物产量的平均值，得到单位产量。

本申请实施例还提供了一种处理器，该处理器用于运行存储在存储介质中的程序指令，其中，在所述程序指令运行时执行以上所述的农作物产量的确定方法。例如，处理器用于执行以下实现功能的程序指令：获取目标区域的图像；从所述图像中识别出被农作物覆盖的区域，得到农作物区域；获取所述农作物区域中单位面积的产量，得到单位产量；以及基于所述单位产量和所述农作物区域的面积确定所述目标区域的农作物产量。

可选地，处理器还用于执行实现以下功能的程序指令：，从图像中识别出被农作物覆盖的区域，得到农作物区域，包括：对图像进行分割，得到农作物区域和非农作物区域，其中，非农作物区域为未被农作物覆盖的区域；获取农作物区域中单位面积的产量，得到单位产量，包括：获取农作物区域中多个采样点的农作物产量；计算多个采样点的农作物产量的平均值，得到单位产量。

在本申请实施例中，从获取的目标区域的图像中识别出农作物区域，并基于获取的农作物区域中单位面积的产量和农作物区域的面积确定目标区域的农作物产量，上述方案相对于采用遥感图像的方式，由于采用了基于相对客观的图像确定产量，并且仅考虑了作物区域的产量情况，因此，计算结果更加准确，进而解决了相关技术在展示多个图像时耗内存、不直观的技术问题。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。

所述集成的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，本申请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全部或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(可为个人计算机、服务器或者网络设备等)执行本申请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、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。