CN110852145B - 针对无人机影像的图像检测方法、装置及系统 - Google Patents
针对无人机影像的图像检测方法、装置及系统 Download PDFInfo
- Publication number
- CN110852145B CN110852145B CN201910900386.4A CN201910900386A CN110852145B CN 110852145 B CN110852145 B CN 110852145B CN 201910900386 A CN201910900386 A CN 201910900386A CN 110852145 B CN110852145 B CN 110852145B
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- aerial vehicle
- unmanned aerial
- detection frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提出的一种针对无人机影像的图像检测方法,包括:获取无人机影像中的当前待检测图像,并通过图像检测模型获取当前待检测图像的初始检测框检测结果;从预存的人工检测图像中获取当前检测图像的参照图像,并获取参照图像的检测框检测结果;根据检测框检测结果和初始检测框检测结果获得漏检检测框,并获得漏检检测框检测结果;根据初始检测框检测结果和漏检检测框检测结果,获得当前待检测图像的最终检测结果;将当前待检测图像的最终检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。本发明利用无人机影像,结合影像识别与处理技术,实现了针对影像的高精度检测,有利于进一步提高图像识别的精确性。
Description
技术领域
本发明涉及无人机图像技术领域,尤其涉及一种针对无人机影像的图像检测方法、装置及系统。
背景技术
随着经济的快速发展,人类活动范围的扩大,土地利用和精细治理面临建设布局散乱、用地粗放被占用、规划与建设不符、文化风貌退化等问题,推进区域社会经济融合发展、新型城镇化和新农村建设等,都迫切需要制定精细化空间规划,执行建设过程实时、精准管控。
城市规划治理、自然资源管治常规的卫星遥感成本高,实时性差,受天气影响大,且影像的处理时间略长。利用无人机遥感技术,成本低、操作简单方便、风险小等优点,能有效、快速获取检测区域影响。结合图像识别与计算机处理技术,提高针对遥感影像的图像检测结果的高精度要求,是无人机航拍遥感领域中一个值得关注的技术问题。
发明内容
基于背景技术存在的技术问题,本发明提出了一种针对无人机影像的图像检测方法、装置及系统。
本发明提出的一种针对无人机影像的图像检测方法,包括以下步骤:
S1、设置图像检测模型,图像检测模型的输入为图像,输出为图像的初始检测框检测结果;
S2、获取无人机影像中的当前待检测图像,并通过图像检测模型获取当前待检测图像的初始检测框检测结果;
S3、从预存的人工检测图像中获取当前检测图像的参照图像,并获取参照图像的检测框检测结果;
S4、根据参照图像的检测框检测结果和当前待检测图像的初始检测框检测结果获得漏检检测框,并获得当前待检测图像的漏检检测框检测结果;
S5、根据当前待检测图像的初始检测框检测结果和漏检检测框检测结果,获得当前待检测图像的最终检测结果;
S6、将当前待检测图像的最终检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。
优选的,还包括步骤S0:对无人机影像进行地理配准和数据拼接;步骤S1中的样本图像、步骤S2中的当前待检测图像和步骤S3中的参照图像均为地理配准后的无人机影像。
优选的,步骤S0具体为:基于尺度不变特征变换算法建立影像的不同尺度空间,提取相邻影像的特征点,根据临近像元梯度方向分布特性制定无人机影像粗匹配的特征点方向参数,然后利用随机抽样一致性算法建立双线性变化矩阵实现精匹配处理;结合定位辅助数据,利用多项式拟合方法完成无人机影像的地理配准和数据拼接。
优选的,图像检测模型中包含特征提取模块,图像检测模型的具体工作方式为:通过特征提取模块提取输入图像的图像特征,然后根据图像特征获取图像的初始检测框检测结果并输出。
优选的,步骤S6具体为:根据分析结果对图像检测模型输出的初始检测框检测结果中,检测框在影像中的位置以及检测框属性类别进行修正。
优选的,步骤S4具体为:获取参照图像中的检测框出现在当前待检测图像中的相应位置处的概率,在所述概率满足预定要求的情况下,根据所述检测框和初始检测框的对比形成当前待检测图像的漏检检测框。
优选的,步骤S1中,根据人工标注检测框的图像训练图像检测模型。
一种针对无人机影像的图像检测装置,包括:地理配准单元、样本输入单元、样本训练单元、样本识别单元和样本比对单元;
地理配准单元用于对无人机影像进行地理配准和数据拼接;
样本输入单元内部设有图像检测模型;样本输入单元与地理配准单员连接,用于从配准后的无人机影像中获取当前待检测图像,并用于通过图像检测模型获取当前待检测图像输入对应的初始检测框检测结果;
样本训练单元与样本输入单元连接,样本训练单元用于获取人工标注的参照图像的检测框检测结果,并用于根据参照图像的检测框检测结果与当前待检测图像的初始检测框检测结果获得当前待检测图像的漏检检测框检测结果;
样本识别单元分别连接样本训练单元和样本输入单元,样本识别单元用于根据所述初始检测框检测结果以及所述漏检检测框检测结果,形成所述当前待检测图像的最终检测框检测结果;
样本比对单元分别连接样本输入单元和样本识别单元,样本比对单元用于将当前检测图像的最终检测框检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。
一种针对无人机影像的图像检测系统,包括如权利要求8所述的图像检测装置,还包括影像获取单元,影像获取单元包括拍照装置和数据采集处理设备;拍照装置与数据采集处理设备连接,数据采集处理设备用于对拍照装置拍摄的图像进行预处理和存储;
地理配准单元与数据采集处理设备连接,用于从数据采集处理设备获取无人机影像。
优选的,还包括控制处理器,控制处理器分别连接所述图像检测装置和影像获取单元,用于控制图像检测装置和影像获取单元工作。
本发明提出的一种针对无人机影像的图像检测方法,通过在获得了初始样本检测结果的基础上,执行检测框漏检处理,从而可以利用初始检测框检测结果以及漏检检测框检测结果,形成遥感影像中的图像的最终检测框检测结果,进而有利于分清影像中图像遮挡、影像模糊等现象,从而更加精准的定义各影像类别属性。
本发明提出的一种针对无人机影像的图像检测装置和系统,将无人机影像与图像检测相结合,充分利用了低空无人机遥感系统能够获取高分辨率遥感影像,具有较强的灵活性和现实性,成图速度快,能够广泛应用于各种领域的调查的优点;保证了对地形复杂区域、人工难以到达区域,以及云雾多的天气,卫星很难覆盖到的区域,利用无人机遥感快速精准的调查,使得图像检测的应用性更强。
本发明利用无人机影像,结合影像识别与处理技术,实现了针对影像的高精度检测,有利于进一步提高图像识别的精确性。
附图说明
图1为本发明提出的一种针对无人机影像的图像检测方法流程图;
图2为本发明提出的一种实施例一种针对无人机影像的图像检测装置模块图;
图3为本发明提出的一种实施例一种针对无人机影像的图像检测系统模块图。
具体实施方式
参照图1,本发明提出的一种针对无人机影像的图像检测方法,包括以下步骤:
S1、设置图像检测模型,图像检测模型的输入为图像,输出为图像的初始检测框检测结果。
具体的,本实施方式中,根据人工标注检测框的图像训练图像检测模型。本实施方式中,在人工标注时,对应每一个检测框均标注属性,属性具体为图像中检测框内事务的类别或者名称等。
在以具体实施例中,假设人工对样本图像进行人工标注,多个样本图像中存在石头、树木等;则根据样本图像训练获得的图像检测模型在对其他图像进行检测时,可以检测框的形式自动标注图像中的石头和树木等,即为该图像的初始检测框检测结果。
具体的,本实施方式中,图像检测模型中包含特征提取模块,图像检测模型的具体工作方式为:通过特征提取模块提取输入图像的图像特征,然后根据图像特征获取图像的初始检测框检测结果并输出。即,本实施方式中,图像检测模型通过特征提取模块对图像进行特征提取,然后根据提取的特征生成初始检测框对对应的特征所在位置进行标示。
S2、获取无人机影像中的当前待检测图像,并通过图像检测模型获取当前待检测图像的初始检测框检测结果。
具体的,本实施方式中图像检测模型根据输入的当前待检测图像,进行特征提取操作,从而可以获得当前待检测图像的图像特征。以当前提取出的当前待检测图像的图像特征为基础,进行备选框提取操作,从而可以获得当前待检测图像中的备选框检测结果。针对其当前提取出的各备选框,分别进行分类以及回归等处理操作,从而针对每一个备选框,均形成检测框信息,如检测框位置以及检测框类别等。针对上述形成的各个备选框对应的检测框信息,图像检测模型(如图像检测模型中的分类回归后处理模块)进行非极大值抑制后处理以及阈值判断等处理操作,从而会确定出当前待检测图像的检测框,即当前待检测图像的初始检测框检测结果。
S3、从预存的人工检测图像中获取当前检测图像的参照图像,并获取参照图像的检测框检测结果。
具体的,本实施方式中,可直接从人工标注的样本图像中获得的参照图像,具体可选择与当前检测图像相似度达到预设相似度阈值的样本图像作为参照图像。
S4、根据参照图像的检测框检测结果和当前待检测图像的初始检测框检测结果获得漏检检测框,并获得当前待检测图像的漏检检测框检测结果。
具体的,本步骤中,获取参照图像中的检测框出现在当前待检测图像中的相应位置处的概率,在所述概率满足预定要求的情况下,根据所述检测框和初始检测框的对比形成当前待检测图像的漏检检测框。
具体的,本实施方式中获得当前待检测图像的初始检测框检测结果后,需要对参照图像的检测框检测结果中的每一个检测框在当前待检测图像中进行图像漏检操作。图像漏检操作以参照图像的检测框检测结果和当前待检测图像的初始检测框检测结果作为基础信息。具体的,在图像漏检操作过程中,逐一判断所述检测框检测结果中的检测框在当前待检测图像的初始检测框检测结果中是否存在对应的初始检测框,并挑选出所有在所述初始检测框检测结果不存在对应的初始检测框的检测框作为漏检包围框;然后针对各漏检包围框,逐一提取位置和属性,并生成对应的跟踪特征,然后在当前待检测图像上根据各漏检包围框的跟踪特征进行操作跟踪,获得与跟踪特征相似度达到预设的跟踪阈值的图像特征作为漏检特征,然后结合漏检特征生成漏检检测框检测结果。
S5、根据当前待检测图像的初始检测框检测结果和漏检检测框检测结果,获得当前待检测图像的最终检测结果。具体的,本步骤中,通过拼接所述初始检测框检测结果和漏检检测框检测结果形成最终检测结果。
S6、将当前待检测图像的最终检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。即,本步骤中,以当前待检测图像的最终检测结果的检测框标注信息和初始检测框检测结果的检测框标注信息之间的差异为指导信息,对图像检测模型进行训练学习。具体的,本步骤中,根据分析结果对图像检测模型输出的初始检测框检测结果中,检测框在影像中的位置以及检测框属性类别进行修正。
本实施方式中,还包括步骤S0:对无人机影像进行地理配准和数据拼接。步骤S1中的样本图像、步骤S2中的当前待检测图像和步骤S3中的参照图像均为地理配准后的无人机影像。
步骤S0具体为:基于尺度不变特征变换算法建立影像的不同尺度空间,提取相邻影像的特征点,根据临近像元梯度方向分布特性制定无人机影像粗匹配的特征点方向参数,然后利用随机抽样一致性算法建立双线性变化矩阵实现精匹配处理。结合定位辅助数据,利用多项式拟合方法完成无人机影像的地理配准和数据拼接。
本发明还提出了一种针对无人机影像的图像检测装置,包括:地理配准单元、样本输入单元、样本训练单元、样本识别单元和样本比对单元。
地理配准单元用于对无人机影像进行地理配准和数据拼接。
样本输入单元内部设有图像检测模型。样本输入单元与地理配准单员连接,用于从配准后的无人机影像中获取当前待检测图像,并用于通过图像检测模型获取当前待检测图像输入对应的初始检测框检测结果。
样本训练单元与样本输入单元连接,样本训练单元用于获取人工标注的参照图像的检测框检测结果,并用于根据参照图像的检测框检测结果与当前待检测图像的初始检测框检测结果获得当前待检测图像的漏检检测框检测结果。
样本识别单元分别连接样本训练单元和样本输入单元,样本识别单元用于根据所述初始检测框检测结果以及所述漏检检测框检测结果,形成所述当前待检测图像的最终检测框检测结果。
样本比对单元分别连接样本输入单元和样本识别单元,样本比对单元用于将当前检测图像的最终检测框检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。
本发明还提出了一种针对无人机影像的图像检测系统,包括上述的图像检测装置,还包括影像获取单元,影像获取单元包括拍照装置和数据采集处理设备。拍照装置与数据采集处理设备连接,数据采集处理设备用于对拍照装置拍摄的图像进行预处理和存储。
具体的,本实施方式中,数据采集处理设备对拍照装置拍摄的图像进行预处理主要实现对拍摄图像的质量检查,避免于无人机航摄时容易受到风、阴影等因素的影响,导致飞行作业结束以后,用户从机载设备导出航空影像和位置及姿态数据(PositionOrientation System,POS)的质量问题。
具体的,本实施方式中,数据采集处理设备对拍照装置拍摄的图像进行预处理实现为根据以下判断条件对拍摄图像进行筛选:
(1)POS数据是否与影像逐一对照,即对是否有漏片情况进行检查。
(2)航拍影像覆盖范围是否足够。
(3)目视检查影像阴影是否影响后期拼接及地理信息表达。
(4)放大影像,判别与分辨率要求相适应的地物是否清晰可辨。
本实施方式中,地理配准单元与数据采集处理设备连接,用于从数据采集处理设备获取预处理后的无人机影像,以保证进行影像质量,减少工作负荷,提高工作效率。
本实施方式中,还包括控制处理器,控制处理器分别连接所述图像检测装置和影像获取单元,用于控制图像检测装置和影像获取单元工作。
以上所述,仅为本发明涉及的较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种针对无人机影像的图像检测方法,其特征在于,包括以下步骤:
S1、设置图像检测模型,图像检测模型的输入为图像,输出为图像的初始检测框检测结果;
S2、获取无人机影像中的当前待检测图像,并通过图像检测模型获取当前待检测图像的初始检测框检测结果;
S3、从预存的人工检测图像中获取当前检测图像的参照图像,并获取参照图像的检测框检测结果;
S4、根据参照图像的检测框检测结果和当前待检测图像的初始检测框检测结果获得漏检检测框,并获得当前待检测图像的漏检检测框检测结果;
S5、根据当前待检测图像的初始检测框检测结果和漏检检测框检测结果,获得当前待检测图像的最终检测结果;
S6、将当前待检测图像的最终检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。
2.如权利要求1所述的针对无人机影像的图像检测方法,其特征在于,还包括步骤S0:对无人机影像进行地理配准和数据拼接;步骤S1中的样本图像、步骤S2中的当前待检测图像和步骤S3中的参照图像均为地理配准后的无人机影像。
3.如权利要求2所述的针对无人机影像的图像检测方法,其特征在于,步骤S0具体为:基于尺度不变特征变换算法建立影像的不同尺度空间,提取相邻影像的特征点,根据临近像元梯度方向分布特性制定无人机影像粗匹配的特征点方向参数,然后利用随机抽样一致性算法建立双线性变化矩阵实现精匹配处理;结合定位辅助数据,利用多项式拟合方法完成无人机影像的地理配准和数据拼接。
4.如权利要求1所述的针对无人机影像的图像检测方法,其特征在于,图像检测模型中包含特征提取模块,图像检测模型的具体工作方式为:通过特征提取模块提取输入图像的图像特征,然后根据图像特征获取图像的初始检测框检测结果并输出。
5.如权利要求4所述的针对无人机影像的图像检测方法,其特征在于,步骤S6具体为:根据分析结果对图像检测模型输出的初始检测框检测结果中,检测框在影像中的位置以及检测框属性类别进行修正。
6.如权利要求5所述的针对无人机影像的图像检测方法,其特征在于,步骤S4具体为:获取参照图像中的检测框出现在当前待检测图像中的相应位置处的概率,在所述概率满足预定要求的情况下,根据所述检测框和初始检测框的对比形成当前待检测图像的漏检检测框。
7.如权利要求1所述的针对无人机影像的图像检测方法,其特征在于,步骤S1中,根据人工标注检测框的图像训练图像检测模型。
8.一种针对无人机影像的图像检测装置,其特征在于,包括:地理配准单元、样本输入单元、样本训练单元、样本识别单元和样本比对单元;
地理配准单元用于对无人机影像进行地理配准和数据拼接;
样本输入单元内部设有图像检测模型;样本输入单元与地理配准单员连接,用于从配准后的无人机影像中获取当前待检测图像,并用于通过图像检测模型获取当前待检测图像输入对应的初始检测框检测结果;
样本训练单元与样本输入单元连接,样本训练单元用于获取人工标注的参照图像的检测框检测结果,并用于根据参照图像的检测框检测结果与当前待检测图像的初始检测框检测结果获得当前待检测图像的漏检检测框检测结果;
样本识别单元分别连接样本训练单元和样本输入单元,样本识别单元用于根据所述初始检测框检测结果以及所述漏检检测框检测结果,形成所述当前待检测图像的最终检测框检测结果;
样本比对单元分别连接样本输入单元和样本识别单元,样本比对单元用于将当前检测图像的最终检测框检测结果和初始检测框检测结果进行对比分析,并根据分析结果对图像检测模型进行修正。
9.一种针对无人机影像的图像检测系统,其特征在于,包括如权利要求8所述的图像检测装置,还包括影像获取单元,影像获取单元包括拍照装置和数据采集处理设备;拍照装置与数据采集处理设备连接,数据采集处理设备用于对拍照装置拍摄的图像进行预处理和存储;
地理配准单元与数据采集处理设备连接,用于从数据采集处理设备获取无人机影像。
10.如权利要求9所述的针对无人机影像的图像检测系统,其特征在于,还包括控制处理器,控制处理器分别连接所述图像检测装置和影像获取单元,用于控制图像检测装置和影像获取单元工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910900386.4A CN110852145B (zh) | 2019-09-23 | 2019-09-23 | 针对无人机影像的图像检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910900386.4A CN110852145B (zh) | 2019-09-23 | 2019-09-23 | 针对无人机影像的图像检测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852145A CN110852145A (zh) | 2020-02-28 |
CN110852145B true CN110852145B (zh) | 2023-05-23 |
Family
ID=69595935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910900386.4A Active CN110852145B (zh) | 2019-09-23 | 2019-09-23 | 针对无人机影像的图像检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852145B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018084528A (ja) * | 2016-11-25 | 2018-05-31 | 株式会社トプコン | 航空写真測量装置及び航空写真測量方法 |
CN108509876A (zh) * | 2018-03-16 | 2018-09-07 | 深圳市商汤科技有限公司 | 针对视频的物体检测方法、装置、设备、存储介质及程序 |
CN109389086A (zh) * | 2018-10-09 | 2019-02-26 | 北京科技大学 | 检测无人机影像目标的方法和系统 |
-
2019
- 2019-09-23 CN CN201910900386.4A patent/CN110852145B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018084528A (ja) * | 2016-11-25 | 2018-05-31 | 株式会社トプコン | 航空写真測量装置及び航空写真測量方法 |
CN108509876A (zh) * | 2018-03-16 | 2018-09-07 | 深圳市商汤科技有限公司 | 针对视频的物体检测方法、装置、设备、存储介质及程序 |
CN109389086A (zh) * | 2018-10-09 | 2019-02-26 | 北京科技大学 | 检测无人机影像目标的方法和系统 |
Non-Patent Citations (1)
Title |
---|
王荣辉 ; 徐红岩 ; .基于深度学习的无人机影像车辆检测研究.江西测绘.2018,(03),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110852145A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263717B (zh) | 一种融入街景影像的土地利用类别确定方法 | |
CN104881865A (zh) | 基于无人机图像分析的森林病虫害监测预警方法及其系统 | |
CN110889327B (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
CN112966548B (zh) | 一种大豆地块识别方法及系统 | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
CN115240089A (zh) | 一种航空遥感图像的车辆检测方法 | |
CN115115954A (zh) | 基于无人机遥感的松材线虫病疫区变色立木智能识别方法 | |
JP7237694B2 (ja) | 農業支援システム | |
Farella et al. | The EuroSDR TIME benchmark for historical aerial images | |
JP2019165658A (ja) | 植物生育指標測定装置、方法およびプログラム | |
CN110852145B (zh) | 针对无人机影像的图像检测方法、装置及系统 | |
CN106780323A (zh) | 一种基于智能手机的农情采集与实时更新方法及系统 | |
CN104679011B (zh) | 基于稳定分支特征点的图像匹配导航方法 | |
CN116205879A (zh) | 一种基于无人机图像及深度学习的小麦倒伏面积估算方法 | |
KR102416714B1 (ko) | 3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템 및 방법 | |
Hashim et al. | Geometric and radiometric evaluation of RazakSAT medium-sized aperture camera data | |
CN115830474A (zh) | 一种识别野生藏药独一味及其分布并计算其产量的方法与系统 | |
CN115661694A (zh) | 一种聚焦关键特征的轻量型主变压器智能检测方法、系统、存储介质及电子设备 | |
CN112580504B (zh) | 基于高分辨率卫星遥感影像的树种分类计数方法及装置 | |
CN115700805A (zh) | 植物高度检测方法、装置、设备及存储介质 | |
CN113870278A (zh) | 基于改进的Mask R-CNN模型的卫星遥感图像农田块分割方法 | |
CN114863274A (zh) | 基于深度学习的地表绿网苫盖提取方法 | |
CN114445326A (zh) | 光伏面板异常检测方法、检测装置及计算机可读存储装置 | |
CN113989253A (zh) | 农田目标对象信息的获取方法及装置 | |
Afriansyah et al. | Image Mapping Detection of Green Areas Using Speed Up Robust Features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |