一种基于无人机遥感的硒砂瓜产量估算方法

本发明属于农业信息化，尤其涉及到一种基于无人机遥感的硒砂瓜产量估算方法。

背景技术：

1、我国是全球西瓜产量最高的国家，拥有全球第一的西瓜种植面积，且西瓜产销总量占全世界60％以上。硒砂瓜是西瓜中的一种特殊品种，是全国首批国家地理标志保护农产品，中卫市是宁夏硒砂瓜的重要产区，下辖的常乐、中宁、香山等区域都有相当客观的硒砂瓜种植地。

2、硒砂瓜的主栽品种不多，导致硒砂瓜上市时间集中、产量大、存储时间有限，上市销售期仅2个多月。上市销售时间紧张，就需要提前摸清硒砂瓜的产量，提前制定销售方案。

3、最传统的作物监测和产量预估方式是进行人工检测，通过目测作物的生长状态，或是抽取其中部分农作物，依据农民的自身经验对作物的产量进行判断，该估产方式耗时长、效率低，人力投入大，对经验的依赖性过大，准确度不稳定，而且对于大规模种植的农作物估产，其估产精度相对较低。

4、为了更好地针对作物展开工作，制定销售方案，需要对硒砂瓜的具体产量有一个相对准确的预期。

技术实现思路

1、为了克服已有技术的不足，本发明提供了一种基于无人机遥感的硒砂瓜产量估算方法，有效实现硒砂瓜产量估算。

2、本发明解决其技术问题所采用的技术方案是：

3、一种基于无人机遥感的硒砂瓜产量估算方法，包括以下步骤：

4、步骤1，利用无人机对需要估产的硒砂瓜种植地块进行遥感图像数据采集并对其进行图像预处理，得到待处理图像数据；

5、从所述采集到的遥感图像中抽取部分图像进行标注，作为训练样本；

6、利用yolo v8目标检测网络模型构建硒砂瓜识别模型，利用所述训练样本进行训练，得到训练好的硒砂瓜识别模型；

7、步骤2，随机抽取所研究地块中的部分硒砂瓜，采集其尺寸及重量特征数据，利用所述特征数据生成单个硒砂瓜估重模型；

8、步骤3，利用所述硒砂瓜识别模型和所述单个硒砂瓜估重模型，对所述待处理图像数据进行处理，估算硒砂瓜的产量。

9、进一步，所述步骤3中，包含两种产量估算方式：第一种估产方式为抽样估产，第二种估产方式为精确估产，过程如下：

10、步骤3.1，抽样估产的步骤如下：

11、步骤3.1.1，根据地块的具体情况，利用无人机在合适的地点定点拍摄图片，制作图片集进行处理，根据试验选择最合适的裁切比例；

12、步骤3.1.2，利用所述训练好的硒砂瓜识别模型识别所述选取的图片集的图片，并对识别出的目标进行椭圆拟合，获取拟合椭圆的数据；

13、步骤3.1.3，将所获取的拟合椭圆的数据和所述选择的裁切比例代入西瓜裁切模型，判断所识别并拟合的目标是否在裁切框内，若在裁切框外则不予估重，若在裁切框内，则输出重量系数为1，若被裁切框裁切，则根据西瓜点云模型裁切后输出重量系数；

14、步骤3.1.4，根据所获取的拟合椭圆的特征数据，利用其长短轴数据计算体积，代入单个硒砂瓜估重模型进行估重，将根据单个硒砂瓜估重模型进行估重后的结果乘以重量系数，得到识别目标待估产部分的重量；

15、步骤3.1.5，将单张图片裁切框内所有目标的估重记录汇总，得出裁切框面积范围内的估产，从而得出单位面积的产量将所述单位面积产量应用到整个地块的面积上，即可得出整块硒砂瓜地的总体产量；

16、步骤3.2，精确估产的步骤如下：

17、步骤3.2.1，利用无人机采集整个地块的遥感图像，并利用建模软件进行建模，对建模结果进行处理，将整个地块的建模图像裁切成小张图片并进行编号；

18、步骤3.2.2，利用所述训练好的硒砂瓜识别模型识别所述裁切后的图片，并对识别出的目标进行椭圆拟合，获取拟合椭圆的数据；

19、步骤3.2.3，根据拟合椭圆的中心位置判断该目标是否归属于该图片，若不属于，则回到步骤3.2.2，若归属于该图片，则进入步骤3.2.4；

20、步骤3.2.4，将所述拟合椭圆的数据代入单个硒砂瓜估重模型进行估重，记录每一个拟合椭圆的中心位置、大小即长短轴数据、重量；

21、步骤3.2.5，根据所记录的拟合西瓜的大小、重量及位置，绘制生成一张西瓜分布图，将估产结果可视化。

22、优选的，所述步骤3.1中，在采用抽样估产时，当读取一张图片时，在步骤3.1.2中的每识别到一个目标并拟合后，就进入步骤3.1.3进行位置关系的判断，若判断其在裁切框外，则回到步骤3.1.2识别下一个目标，若判断其在裁切框内，则直接进入步骤3.1.4，若判断被裁切，则计算出重量系数后进入步骤3.1.4，当步骤3.1.4估重结束后，记录其结果，并返回步骤3.1.2识别下一个目标，重复上述步骤，直至识别结束，保存该张图片裁切框内所有目标的估重，随后读取下一张图片，并重复以上步骤；当所述选取的图片集中的图片都读取完毕，识别估重任务结束，进入步骤3.1.5进行总结。

23、所述步骤3.1.1中，所述选择合适的拍摄图片的地点和选取的图片张数都是经过试验的，尽可能使抽样估产的结果贴近真实的亩产。而选择合适的裁切比例，是为了减少图片边缘畸变造成的估产误差，同时，所拍摄的图片边缘的西瓜在识别过程中可能会出现识别不出的情况，图片边缘还存在只拍摄到半个西瓜的情况，识别和拟合都较为困难。选定裁切框，可以保证获取单张图片中的有效信息并且尽可能减少遗漏或重复计数估产的情况。

24、所述步骤3.1.2中，获取的拟合椭圆的数据包括其在图片坐标系下的中心位置、简单外接矩框的坐标数据、长短轴倾斜角度等特征数据，应注意，其中简单外接矩框为水平竖直，无倾斜角度，并非最小外接矩框。

25、所述步骤3.1.3中，根据简单外接矩框与裁切框的位置比较，可以判断该拟合椭圆是否在裁切框内，是否被裁切框裁切，被那条裁切线裁切，并根据不同的位置关系进入不同的步骤。舍弃裁切框外的拟合目标，不进行估重，并对被裁切的西瓜进行裁切后留在裁切框内的部分进行重量系数的裁定，以计算裁切框内每一部分西瓜的重量，使所得的单位面积内的产量尽可能准确。所述西瓜点云模型是根据每个识别目标所拟合的椭圆生成，其长短轴根据拟合数据所生成，真实还原识别目标被裁切后的体积分割情况。

26、所述步骤3.1.4中，利用拟合椭圆的特征数据进行计算体积时，可认为其两短轴数据相同。

27、所述步骤3.2中，采用精确估产时，当读取一张图片时，在步骤3.2.2中每识别到一个目标，进行椭圆拟合后，进入步骤3.2.3，判断每个目标的图片归属信息，将缓冲带内的目标进行归属划分，若该目标中心位置不在该图片范围内，回到步骤3.2.2识别下一个目标，若该目标中心位置在该图片范围内，则进入步骤3.2.4进行估重，在将数据记录保存后回到步骤3.2.2识别下一个目标，直至识别结束，读取下一张图片；当所有图片读取结束，进入步骤3.2.5。

28、所述步骤3.2.1中，裁切建模图象时，为避免裁切过程中将目标西瓜裁切成两半，以致识别时对西瓜造成遗漏或重复计数，设置重叠区域作为缓冲带，识别缓冲带内的目标，并根据其中心位置对目标归属图片进行区分，确保目标不遗漏和重复计数，为确定每个目标的坐标位置，需对每张裁切图片在整个建模图像中的位置进行记录和标记；

29、所述步骤3.2.2中，获取的拟合椭圆数据包括其中心位置、长短轴数据、倾斜角度等。

30、所述步骤3.2.3中，所设置的缓冲带包裹目标归属图片，缓冲带内的拟合椭圆可能是被目标归属图片所裁切，缓冲带的设置使得目标完整展现，便于识别，可根据其中心位置将缓冲带内的目标归属分类为该图片还是其相邻图片。

31、所述步骤3.2.4中，利用拟合椭圆的特征数据进行计算体积时，可认为其两短轴数据相同。

32、所述步骤3.2.5中，将估产结果可视化，同时所记录的西瓜大小、重量、位置信息等可录入表格，生成采摘报告，便于筛选不同重量级的目标。

33、再进一步，所述步骤1中，为保证后续硒砂瓜识别模型的准确度，用作训练样本的图片为估产同时间段拍摄，且标注的样本目标数量应当足够多。

34、更进一步，所述步骤2中，设定硒砂瓜为密度均匀，其形状为椭球，所述单个硒砂瓜估重模型包含了该瓜种体积与重量的线性关系，图片标注的体积与重量的线性关系，验证了通过图片识别拟合进行估重的方式的可行性。

35、本发明的技术构思为：本发明的估算方法包含了两种产量估算方式，第一种估产方式为抽样估产，第二种估产方式为精确估产，可以根据估产需求和目的选择其中一种估产方式进行估产；若经过初步评估，该地块硒砂瓜分布较为均匀，单位面积的产量相差不大，则可以使用抽样估产，该估产方式相较于另一种估产方式，准确度低但估产速度快，适用于大面积估产或者用于掌控硒砂瓜生长状况。若硒砂瓜已经完全成熟，需要对硒砂瓜进行准确估产时，则使用精确估产，该估产方式较慢，但信息量大，不仅可以得到每个西瓜的具体的重量、大小、位置，还可以生成采摘报告，为后续的机械化采摘提供信息。

36、在西瓜成长过程中可利用抽样估产快速方便地获取整体生长趋势，掌握西瓜生长状况，当估产结果在西瓜成长过程中趋于稳定时，可认为西瓜进入了成熟期。当西瓜完全成熟时，想要完全掌握西瓜的生长状况，或者利用自动采收机器采收时，可采用精确估产，根据所生成的采摘报告，可以清晰明确整个瓜地的情况，也可以根据报告中所记录的信息，提前制定销售方案，在西瓜成熟之际，完成快速倾销，减少库存，也避免销售混乱所造成的积压滞销等情况。本发明所提供的基于无人机遥感的硒砂瓜产量估算方法可以帮助农民全面掌握信息，根据作物需求及时操作，且其提供的产量数据对于农产品采摘规划具备现实意义，对于农产品储存、运输和营销方面的决策非常重要，为政府和农业部门提供准确的数据支持，有助于制定科学合理的农业政策和规划。

37、本发明的有益效果主要表现在：有效实现硒砂瓜产量估算。