一种树木数量实时测量统计方法、系统及无人机
技术领域
本发明属于统计技术领域,具体涉及一种树木数量实时测量统计方法、系统及无人机。
背景技术
森林是人类社会及其重要的自然资源,是人类生存和发展的基础。保护好森林资源是人类自身发展的需要。保护森林资源,改善生态环境,是生态建设的主要目标,也是林业建设的一项重要内容。随着我国社会经济和科学技术的快速发展,人类的活动也不断的增多,对环境的破坏也随之增加,毁林开垦、乱占林地,乱砍滥伐,破坏森林资源等违法行为时有发生,给森林资源的科学化管理带来了新的挑战。我们需要通过新的技术手段,精确统计出各种环境下的树木数量,为林业的执法管理保驾护航。
目前随着无人机技术的广泛发展,通过无人机对目标深林区域进行监控已成为可能,无人机技术具备的成本低、操作简单、便捷运输且风险性低等特点,使其在林业资源调查、森林树木数量测量统计,林业执法管理等方面具有独特的优势。现有基于无人机的森林树木测量统计方法大多通过数学模型,建立树木胸径-冠幅的经验方程来大致估算树木数量,但是经验方程受树木类型、季节、无人机高度和焦距的影响较大,常常只能得到粗略的估算,无法满足现实的需求。同时现有的方式是通过无人机把图像、视频传到地面站再做处理,也无法达到实时计算的要求。
发明内容
为了解决现有技术存在的上述一个或多个技术问题,本发明旨在提供一种能够快速、准确地统计树木数量的树木数量实时测量统计方法、系统及无人机。
为了实现上述目的,一方面,本发明提供了一种树木数量实时测量统计方法,应用于无人机上,所述方法包括:
模型训练:
离线采集森林图像;
对所述森林图像进行实例分割标注,获得森林样本图像;
基于所述森林样本图像,通过深度学习网络训练获得用于树木数量统计的图像实例分割算法模型;
实时测量统计:
接收用户发出的控制指令;
基于所述控制指令控制无人机升空飞行至待统计区域上空并定位;
接收所述用户发出的统计指令;
基于所述统计指令采集所述待统计区域的森林实时图像信息;
将所述森林实时图像信息输入所述图像实例分割算法模型进行分割标注,获得所述待统计区域的树木数量信息;
输出所述树木数量信息。
进一步的,所述模型训练步骤中的森林图像包括不同环境和不同季节下的森林树木图像。
进一步的,所述模型训练步骤中的实例分割标注具体为用图像分割标注软件人工标注出图像中每棵树的轮廓和内部像素,图像中相连的像素点的集合即为每棵树。
进一步的,所述实例分割标记的方法为:用不同的颜色的标签标记不同树木的像素点。
进一步的,所述定位可以是通过GPS定位仪获取与森林的高度H,并对无人机空间位置进行调整。
进一步的,所述森林实时图像信息为图片信息或视频信息。
另一方面,本发明还提供了一种树木数量实时测量统计系统,应用于无人机上,所述系统包括:模型训练单元和实时测量统计单元;
所述模型训练单元包括:
第一采集模块,用于离线采集森林图像;
分割标注模块,用于所述森林图像进行实例分割标注,获得森林样本图像;
深度学习网络训练模块,用于基于所述森林样本图像,通过深度学习网络训练获得用于树木数量统计的图像实例分割算法模型;
所述实时测量统计单元包括:
第一接收模块,用于接收用户发出的控制指令;
控制模块,用于基于所述控制指令,控制无人机升空飞行至待统计区域上空并定位;
第二接收模块,用于接收所述用户发出的统计指令;
图像实时采集模块,用于基于所述统计指令采集所述待统计区域的森林实时图像信息;
传输模块,用于将所述森林实时图像信息输入所述图像实例分割算法模型中,获得所述待统计区域的树木数量信息;
输出模块,用于输出所述待统计区域的树木数量信息。
进一步的,所述模型训练步骤中的森林图像包括不同环境和不同季节下的森林树木图像。
进一步的,所述图像实时采集模块为摄像头,所述图像实时采集模块采集的所述森林实时图像信息为图片信息或视频信息。
进一步的,所述输出模块为无线通信模块,用于向与之连接的移动终端传输所述待统计区域的树木数量信息。
第三方面,本发明提供了一种无人机,所述无人机上搭载有上述树木数量实时测量统计系统。
与现有技术相比,本发明提供的技术方案具有如下有益效果或优点:
本发明能够快速计算出森林树木数量,达到实时效果;通过深度学习图像实例分割算法计算树木数量,极大地提高了树木数量的计算准确度。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
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。
图1为本发明实施例提供的一种树木数量实时测量统计方法的方法流程图;
图2为本发明实施例提供的一种树木数量实时测量统计系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,指示方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接连接,也可以通过中间媒介间接连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义型实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。此外,术语“第一”、“第二”仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,本发明实施例提供了一种树木数量实时测量统计方法,应用于无人机上,所述方法包括:
模型训练:
离线采集森林图像;
对所述森林图像进行实例分割标注,获得森林样本图像;
基于所述森林样本图像,通过深度学习网络训练获得用于树木数量统计的图像实例分割算法模型;
实时测量统计:
接收用户发出的控制指令;
基于所述控制指令控制无人机升空飞行至待统计区域上空并定位;
接收所述用户发出的统计指令;
基于所述统计指令采集所述待统计区域的森林实时图像信息;
将所述森林实时图像信息输入所述图像实例分割算法模型进行分割标注,获得所述待统计区域的树木数量信息;
输出所述树木数量信息。
在具体的实施过程中,由于不同的环境以及不同的季节里,森林中树木的生长情况不同,为了能够获得更加精准的图像实例分割算法模型,在进一步的实施方案中,本发明实施例中离线采集的所述森林图像包括不同环境和不同季节下的森林树木图像。通过大量不同环境和不同季节下的森林树木图像进行训练,能够大大提高图像实例分割算法模型的识别准确度。
在具体的实施过程中,实例分割标记的方法有很多,在进一步的实施方案中,本发明实施例中具体采用的是用图像分割标注软件人工标注出图像中每棵树的轮廓和内部像素,图像中相连的像素点的集合即为每棵树,进一步的,为了区分相邻的树木,本发明实施例中在实例分割标记时,以不同的颜色的标签标记不同树木的像素点。
在具体的实施过程中,为了避免森林中的树木对无人机飞行以及获取森林实时图像造成影响,在控制无人机升空过程中,本发明实施例对该无人机还进行了定位,将无人机定位到一定的高度,从而能够在不影响飞行的情况下更好地获取森林实时图像,定位的方式有很多,本发明实施例中的所述定位可以是通过GPS定位仪获取与森林的高度H,并对无人机空间位置进行调整。当然,也可以采用其他的方式,在此不做限定。
在具体的实施过程中,本发明实施例中采集的所述森林实时图像信息为图片信息或视频信息。
对应于上述树木数量实时测量统计方法,本发明实施例还提供了一种树木数量实时测量统计系统,如图2所示,该系统应用于无人机上,包括模型训练单元1和实时测量统计单元2;
模型训练单元1具体包括:
第一采集模块11,用于离线采集森林图像;
分割标注模块12,用于所述森林图像进行实例分割标注,获得森林样本图像;
深度学习网络训练模块13,用于基于所述森林样本图像,通过深度学习网络训练获得用于树木数量统计的图像实例分割算法模型;
实时测量统计单元2包括:
第一接收模块21,用于接收用户发出的控制指令;
控制模块22,用于基于所述控制指令,控制无人机升空飞行至待统计区域上空并定位;
第二接收模块23,用于接收所述用户发出的统计指令;
图像实时采集模块24,用于基于所述统计指令采集所述待统计区域的森林实时图像信息;
传输模块25,用于将所述森林实时图像信息输入所述图像实例分割算法模型中,获得所述待统计区域的树木数量信息;
输出模块26,用于输出所述待统计区域的树木数量信息。
在具体的实施过程中,本发明实施例中的所述森林图像包括不同环境和不同季节下的森林树木图像。
在具体的实施过程中,本发明实施例中的图像实时采集模块24具体采用摄像头,图像实时采集模块24采集的所述森林实时图像信息为图片信息或视频信息。
在具体的实施过程中,由于树木的统计是在无人机上完成的,而工作人员是在地面上,为了能够使地面上的工作人员及时收到统计结果,在进一步的实施方案中,本发明实施例中的输出模块26具体为无线通信模块,用于向与之通信连接的地面终端传输所述待统计区域的树木数量信息。其中,所述地面终端可以是工作人员的智能手机、平板电脑等移动设备,也可以是PC机等固定设备,在此不做限定。
对应于上述树木数量实时测量统计系统,本发明实施例还提供了一种无人机,所述无人机上搭载有上述树木数量实时测量统计系统。
本发明实施例所提供的树木数量实时测量统计方法、系统及无人机能够快速计算出森林树木数量,达到实时效果;通过深度学习图像实例分割算法计算树木数量,极大地提高了树木数量的计算准确度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。