CN113900447A - 一种无人机农田核查方法、装置、电子设备及存储介质 - Google Patents
一种无人机农田核查方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113900447A CN113900447A CN202111212441.4A CN202111212441A CN113900447A CN 113900447 A CN113900447 A CN 113900447A CN 202111212441 A CN202111212441 A CN 202111212441A CN 113900447 A CN113900447 A CN 113900447A
- Authority
- CN
- China
- Prior art keywords
- information
- farmland
- unmanned aerial
- aerial vehicle
- image information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 19
- 238000003306 harvesting Methods 0.000 claims description 14
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种无人机农田核查方法、装置、电子设备及存储介质,涉及农田勘测的领域,该方法包括获取农田图像信息以及无人机的经纬度信息,对所述农田图像信息进行分割处理得到目标图像信息,基于所述目标图像信息预估第一农田状态信息,若所述第一农田状态信息为农田已收获,则确定起点经纬度信息,基于所述农田图像信息确定轮廓信息,控制所述无人机按照所述轮廓信息飞行;获取所述无人机对应的飞行状态信息,若所述经纬度信息与起点经纬度信息一致,则基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息。本申请提高了测量已收获农田区域面积的效率。
Description
技术领域
本申请涉及农田勘测的领域,尤其是涉及一种无人机农田核查方法、装置、电子设备及存储介质。
背景技术
为了便于统计农作物的收获情况,在收获季节,通常需要对农田中已收获农田区域的面积进行测量。
但目前测量农田收获区域面积的方式通常是由工作人员使用测量工具,实地对收获面积进行测量,从而使得测量效率较低。
发明内容
为了提高测量已收获农田区域面积的效率。本申请提供一种无人机农田核查方法、装置、电子设备及存储介质。
第一方面,本申请提供一种无人机农田核查方法,采用如下的技术方案:
一种无人机农田核查方法,包括
获取农田图像信息以及无人机的经纬度信息;
对所述农田图像信息进行分割处理得到目标图像信息,所述目标图像信息为所述农田图像信息中中间区域的图像信息;
基于所述目标图像信息预估第一农田状态信息,所述第一农田状态信息包括农田未收获以及农田已收获;
若所述第一农田状态信息为农田已收获,则确定起点经纬度信息,所述起点经纬度信息为无人机当前位置的经纬度信息;
基于所述农田图像信息确定轮廓信息,所述轮廓信息用于表征已收获农田区域的轮廓信息;
控制所述无人机按照所述轮廓信息飞行;
获取所述无人机对应的飞行状态信息,所述飞行状态信息包括所述无人机的飞行路程信息以及转向位置信息;
若所述经纬度信息与起点经纬度信息一致,则基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息。
通过采用上述技术方案,电子设备获取到无人机采集的农田图像信息,从而便于对农田状态进行分析,电子设备并且获取无人机当前的经纬度信息,便于工作人员得知无人机所在的位置。由于无人机采集的农田图像信息覆盖的农田范围较广,因此电子设备将农田图像信息进行分割处理,得到农田图像信息中间区域的目标图像信息,目标图像信息即为无人机正下方的图像信息。电子设备基于目标图像信息预估第一农田状态信息,从而得知无人机正下方的农田处于农田未收获状态或农田已收获状态。若第一农田状态信息为农田已收获,电子设备确定此时的经纬度信息为起点经纬度信息。电子设备基于农田图像信息确定已收获农田区域边缘的轮廓信息,从而便于得知已收获农田的范围。电子设备控制无人机按轮廓信息飞行,无人机按照轮廓信息飞行过程中,电子设备获取无人机的飞行状态信息,以便于确定农田收获面积信息。若经纬度信息与起点经纬度信息一致,则说明无人机按轮廓信息飞行完毕,电子设备确定已收获农田区域的面积信息。通过无人机按照上述方式对已收获农田区域的面积进行确定,减少了人工的使用并且提高了测量已收获农田区域面积的效率。
在另一种可能实现的方式中,所述基于所述目标图像信息预估第一农田状态信息,包括:
将所述目标图像信息输入至训练好的第一网络模型中进行农田状态识别处理,得到所述第一农田状态信息。
通过采用上述技术方案,将目标图像信息输入训练好的第一网络模型中,第一网络模型对目标图像信息进行农田状态识别处理,第一网络模型输出目标图像信息对应的第一农田状态信息。通过训练好的第一网络模型识别目标图像信息的农田状态更准确。
在另一种可能实现的方式中,所述基于所述农田图像信息确定轮廓信息,包括:
对所述农田图像信息进行轮廓检测;
基于所述轮廓检测结果生成所述轮廓信息。
通过采用上述技术方案,已收获农田区域的颜色与未收获农田区域的颜色差别较大,因此通过图像处理中的轮廓检测的方式确定已收获农田区域的轮廓信息更准确。
在另一种可能实现的方式中,所述对所述农田图像信息进行轮廓检测,包括:
对所述农田图像信息的边缘区域进行特征识别处理,得到边缘特征信息,所述边缘特征信息包括未收获农田信息、已收获农田信息以及非农田信息;
若所述边缘特征信息为已收获农田信息,则控制所述无人机上升飞行,直至所述边缘特征信息为未收获农田信息和/或非农田信息;
若所述边缘特征信息为未收获农田信息和/或非农田信息,则控制所述无人机停止上升飞行。
通过采用上述技术方案,电子设备获取到农田图像信息后,对农田图像信息的边缘区域进行特征识别处理,从而得到边缘特征信息。若边缘特征信息为已收获农田信息,则说明已收获农田区域并非全部位于农田图像信息中,电子设备控制无人机上升飞行,以使得农田图像信息中覆盖更广的农田区域。若边缘特征信息为为收获农田信息和/或非农田信息,则说明已收获农田区域全部位于农田图像信息中,电子设备控制无人机停止上升飞行。以便于对农田图像信息进行轮廓检测,使得轮廓信息更准确。
在另一种可能实现的方式中,所述基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息,包括:
基于所述飞行路程信息以及所述转向位置信息确定所述已收获农田区域的尺寸信息,所述尺寸信息包括多个相邻两个转向位置信息之间的尺寸信息、起点经纬度信息与第一个转向位置信息之间的尺寸信息以及起点经纬度信息与最后一个转向位置信息之间的尺寸信息;
基于所述已收获农田区域的尺寸信息确定已收获农田区域的面积信息。
通过采用上述技术方案,无人机按轮廓信息飞行完毕后,电子设备根据飞行路程信息以及转向位置信息得到已收获农田区域的尺寸信息,电子设备基于尺寸信息即可快速确定出已收获农田区域的面积信息。
在另一种可能实现的方式中,所述方法还包括:
将所述农田图像信息输入训练好的第二网络模型中进行火灾识别处理,得到所述第二农田状态信息,所述第二农田状态信息包括农田未发生火灾以及农田发生火灾;
若所述第二农田状态信息为农田发生火灾,则输出报警信息。
通过采用上述技术方案,将农田图像信息输入训练好的第二网络模型中,第二网络模型对农田图像信息进行农田状态识别处理,第二网络模型输出农田图像信息对应的第二农田状态信息。通过训练好的第二网络模型识别农田图像信息的第二农田状态更准确。若检测出农田图像信息对应的第二农田状态信息为农田发生火灾,电子设备则输出报警信息,从而便于工作人员及时得知农田发生火灾。
在另一种可能实现的方式中,所述基于所述飞行状态信息确定农田收获面积信息,之后包括:
将所述面积信息发送至工作人员对应的移动终端。
通过采用上述技术方案,电子设备确定出已收获农田区域的面积信息后,将面积信息发送至工作人员对应的移动终端,从而便于工作人员及时了解已收获农田区域的面积信息。
第二方面,本申请提供一种无人机农田核查装置,采用如下的技术方案:
一种无人机农田核查装置,包括:
第一获取模块,用于获取农田图像信息以及无人机的经纬度信息;
图像分割模块,用于对所述农田图像信息进行分割处理得到目标图像信息,所述目标图像信息为所述农田图像信息中中间区域的图像信息;
预估模块,用于基于所述目标图像信息预估第一农田状态信息,所述第一农田状态信息包括农田未收获以及农田已收获;
第一确定模块,用于当所述第一农田状态信息为农田已收获时,确定起点经纬度信息,所述起点经纬度信息为无人机当前位置的经纬度信息;
第二确定模块,用于基于所述农田图像信息确定轮廓信息,所述轮廓信息用于表征已收获农田区域的轮廓信息;
控制模块,用于控制所述无人机按照所述轮廓信息飞行;
第二获取模块,用于获取所述无人机对应的飞行状态信息,所述飞行状态信息包括所述无人机的飞行路程信息以及转向位置信息;
第三确定模块,用于当所述经纬度信息与起点经纬度信息一致时,基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息。
通过采用上述技术方案,第一获取模块获取到无人机采集的农田图像信息,从而便于对农田状态进行分析,并且第一获取模块获取无人机当前的经纬度信息,便于工作人员得知无人机所在的位置。由于无人机采集的农田图像信息覆盖的农田范围较广,因此图像分割模块将农田图像信息进行分割处理,得到农田图像信息中间区域的目标图像信息,目标图像信息即为无人机正下方的图像信息。预估模块基于目标图像信息预估第一农田状态信息,从而得知无人机正下方的农田处于农田未收获状态或农田已收获状态。若第一农田状态信息为农田已收获,第一确定模块确定此时的经纬度信息为起点经纬度信息。第二确定模块基于农田图像信息确定已收获农田区域边缘的轮廓信息,从而便于得知已收获农田的范围。控制模块控制无人机按轮廓信息飞行,无人机按照轮廓信息飞行过程中,第二获取模块获取无人机的飞行状态信息,以便于确定农田收获面积信息。若经纬度信息与起点经纬度信息一致,则说明无人机按轮廓信息飞行完毕,第三确定模块确定已收获农田区域的面积信息。通过无人机按照上述方式对已收获农田区域的面积进行确定,减少了人工的使用并且提高了测量已收获农田区域面积的效率。
在另一种可能的实现方式中,所述预估模块在基于所述目标图像信息预估第一农田状态信息时,具体用于:
将所述目标图像信息输入至训练好的第一网络模型中进行农田状态识别处理,得到所述第一农田状态信息。
在另一种可能的实现方式中,第二确定模块在基于所述农田图像信息确定轮廓信息时,具体用于:
对所述农田图像信息进行轮廓检测;
基于所述轮廓检测结果生成所述轮廓信息。
在另一种可能的实现方式中,第二确定模块在对所述农田图像信息进行轮廓检测时,具体用于:
对所述农田图像信息的边缘区域进行特征识别处理,得到边缘特征信息,所述边缘特征信息包括未收获农田信息、已收获农田信息以及非农田信息;
若所述边缘特征信息为已收获农田信息,则控制所述无人机上升飞行,直至所述边缘特征信息为未收获农田信息和/或非农田信息;
若所述边缘特征信息为未收获农田信息和/或非农田信息,则控制所述无人机停止上升飞行。
在另一种可能的实现方式中,第三确定模块在基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息时,具体用于:
基于所述飞行路程信息以及所述转向位置信息确定所述已收获农田区域的尺寸信息,所述尺寸信息包括多个相邻两个转向位置信息之间的尺寸信息、起点经纬度信息与第一个转向位置信息之间的尺寸信息以及起点经纬度信息与最后一个转向位置信息之间的尺寸信息;
基于所述已收获农田区域的尺寸信息确定已收获农田区域的面积信息。
在另一种可能的实现方式中,所述装置还包括:
农田状态处理模块,用于将所述农田图像信息输入训练好的第二网络模型中进行火灾识别处理,得到所述第二农田状态信息,所述第二农田状态信息包括农田未发生火灾以及农田发生火灾;
输出模块,用于当所述第二农田状态信息为农田发生火灾时,则输出报警信息。
在另一种可能的实现方式中,所述装置还包括:
信息发送模块,用于将所述面积信息发送至所述工作人员对应的移动终端。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行根据第一方面任一种可能的实现方式所示的一种无人机农田核查方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行实现第一方面任一种可能的实现方式所示的一种无人机农田核查方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1. 电子设备获取到无人机采集的农田图像信息,从而便于对农田状态进行分析,电子设备并且获取无人机当前的经纬度信息,便于工作人员得知无人机所在的位置。由于无人机采集的农田图像信息覆盖的农田范围较广,因此电子设备将农田图像信息进行分割处理,得到农田图像信息中间区域的目标图像信息,目标图像信息即为无人机正下方的图像信息。电子设备基于目标图像信息预估第一农田状态信息,从而得知无人机正下方的农田处于农田未收获状态或农田已收获状态。若第一农田状态信息为农田已收获,电子设备确定此时的经纬度信息为起点经纬度信息。电子设备基于农田图像信息确定已收获农田区域边缘的轮廓信息,从而便于得知已收获农田的范围。电子设备控制无人机按轮廓信息飞行,无人机按照轮廓信息飞行过程中,电子设备获取无人机的飞行状态信息,以便于确定农田收获面积信息。若经纬度信息与起点经纬度信息一致,则说明无人机按轮廓信息飞行完毕,电子设备确定已收获农田区域的面积信息。通过无人机按照上述方式对已收获农田区域的面积进行确定,减少了人工的使用并且提高了测量已收获农田区域面积的效率;
2. 电子设备获取到农田图像信息后,对农田图像信息的边缘区域进行特征识别处理,从而得到边缘特征信息。若边缘特征信息为已收获农田信息,则说明已收获农田区域并非全部位于农田图像信息中,电子设备控制无人机上升飞行,以使得农田图像信息中覆盖更广的农田区域。若边缘特征信息为为收获农田信息和/或非农田信息,则说明已收获农田区域全部位于农田图像信息中,电子设备控制无人机停止上升飞行。以便于对农田图像信息进行轮廓检测,使得轮廓信息更准确。
附图说明
图1是本申请实施例的一种无人机农田核查方法的流程示意图。
图2是本申请实施例中农田图像信息的示意图。
图3是本申请实施例的一种无人机农田核查装置的结构示意图。
图4是本申请实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,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,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种无人机农田核查方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103、步骤S104、步骤S105、步骤S106、步骤S107以及步骤S108,其中,
S101,获取农田图像信息以及无人机的经纬度信息。
对于本申请实施例,农田图像信息可由无人机上的摄像装置采集,摄像装置朝向无人机正下方,以便于采集农田图像信息。无人机的经纬度信息可在无人机上设置GPS定位装置,以确定无人机所在的经纬度信息,通过经纬度信息便于得知无人机的所在位置,电子设备获取农田图像信息以及无人机的经纬度信息后,便于对农田图像信息进行分析以及确定已收获农田区域的面积信息。
S102,对农田图像信息进行分割处理得到目标图像信息。
其中,目标图像信息为农田图像信息中中间区域的图像信息。
对于本申请实施例,例如获取到农田图像信息后,将农田图像信息分割成多个子区域,位于农田图像信息中中间区域的图像信息即为目标图像信息。参照图2,例如将农田图像信息分割成21×21的多个子区域,位于第11行第11列的子区域即为农田图像信息的中间区域,农田图像信息中第11行第11列处的图像信息即为目标图像信息,图2中标号21所指区域即为目标图像信息,目标图像信息即为无人机正下方农田区域的农田的图像信息。
S103,基于目标图像信息预估第一农田状态信息。
其中,第一农田状态信息包括农田未收获以及农田已收获。
对于本申请实施例,电子设备得到目标图像信息后,基于目标图像信息预估无人机正下方的农田状态,从而预估出无人机正下方的农田处于农田未收获状态或是农田已收获状态。
S104,若第一农田状态信息为农田已收获,则确定起点经纬度信息。
其中,起点经纬度信息为无人机当前位置的经纬度信息。
对于本申请实施例,电子设备预估出目标图像信息的第一农田状态信息为农田已收获状态,则说明无人机由农田未收获区域飞行至农田已收获区域的上方,并且靠近已收获农田区域与未收获农田区域的分界处。为了便于确定农田已收获区域的面积信息,电子设备确定出此时的经纬度信息为起点经纬度信息。例如起点经纬度信息为(114. 597096°E,38.687392°N)。
S105,基于农田图像信息确定轮廓信息。
其中,轮廓信息用于表征已收获农田区域的轮廓信息。
对于本申请实施例,电子设备确定无人机飞行至已收获农田区域中后,电子设备确定出已收获农田区域的轮廓信息,通过轮廓信息便于确定出已收获农田区域的面积信息。
S106,控制无人机按照轮廓信息飞行。
对于本申请实施例,电子设备控制无人机从起点经纬度信息处按照轮廓信息飞行,例如轮廓信息为矩形时,说明已收获农田区域为矩形。无人机的飞行路线即为矩形的四个边线,电子设备控制无人机按照矩形的四个边线进行飞行。
S107,获取无人机对应的飞行状态信息。
其中,飞行状态信息包括无人机的飞行路程信息以及转向位置信息。
对于本申请实施例,无人机按照矩形的四个边线飞行,无人机飞行过程中通过传感器等采集飞行路程信息和转向位置信息,无人机按轮廓信息飞行完毕后,飞行过程中的飞行状态信息即可用于确定已收获农田区域的面积。
S108,若经纬度信息与起点经纬度信息一致,则基于起点经纬度信息以及飞行状态信息确定已收获农田区域的面积信息。
在本申请实施例中,无人机按照轮廓信息飞行过程中,无人机的经纬度与起点经纬度信息一致时,则说明无人机按照轮廓信息飞行完毕,无人机飞行完毕后电子设备即可基于起点经纬度信息以及飞行状态信息确定出已收获农田区域的面积信息。通过无人机测量已收获农田区域的面积信息减少了人工成本,提高了测量效率。
本申请实施例的一种可能的实现方式,步骤S103中基于目标图像信息预估第一农田状态信息,具体包括步骤S1031(图中未示出),其中,
S1031,将目标图像信息输入至训练好的第一网络模型中进行农田状态识别处理,得到第一农田状态信息。
对于本申请实施例,第一网络模型为神经网络模型,第一网络模型可以是卷积神经网络,也可以是循环神经网络,第一网络模型的种类在此不做限定。对初始第一网络模型进行训练学习之前先确定第一农田状态信息对应的训练样本集,训练样本集中包括多个农田图片以及多个农田图片对应的第一农田状态信息。例如,其中两个训练样本为“农田图片1,农田未收获”以及“农田图片2,农田已收获”。将训练样本集输入至第一网络模型中进行训练学习得到训练好的第一网络模型。
将目标图像信息输入至训练好的第一网络模型中,训练好的第一网络模型对目标图像信息进行农田状态识别处理,训练好的第一网络模型输出目标图像信息对应的第一农田状态信息。通过将目标图像信息输入训练好的第一网络模型中,并最终得到目标图像信息对应的第一农田状态信息更准确。例如向训练好的第一网络模型中输入农田图像信息,第一网络模型输出该农田图像信息的第一农田状态信息为农田未收获
本申请实施例的一种可能的实现方式,步骤S105中基于农田图像信息确定轮廓信息,具体包括步骤S1051(图中未示出)以及步骤S1052(图中未示出),其中,
S1051,对农田图像信息进行轮廓检测。
对于本申请实施例,由于已收获农田区域的颜色与未收获农田区域的颜色差别较大。因此通过图像处理的方式来确定出已收获区域的轮廓信息更准确。例如已收获农田区域中的农作物已经被收获,则已收获农田区域呈黄褐色(土壤颜色)。未收获农田区域中的农作物未被收获,则为收获农田区域呈绿色(农作物颜色)。电子设备被目标图像信息做预处理,采用较小的二维高斯模板做平滑滤波处理,去除目标图像信息中的噪声,其次对平滑后的目标图像信息做边缘检测处理,得到初步的边缘响应图像,其中涉及到颜色等可以区分已收获农田区域与未收获农田区域的可用梯度特征信息。然后再对边缘响应做进一步处理,得到更好的边缘响应图像。通过轮廓检测的方式,检测出已收获农田区域与未收获农田区域的分界线,因此通过图像处理的方式能够更加清晰地确定出已收获农田区域的轮廓。
S1052,基于轮廓检测结果生成轮廓信息。
对于本申请实施例,例如轮廓信息为矩形,则说明已收获农田区域为矩形。
本申请实施例的一种可能的实现方式,步骤S1051中对农田图像信息进行轮廓检测,具体包括步骤S10511(图中未示出)、步骤S10512(图中未示出)以及步骤S10513(图中未示出),其中,
S10511,对农田图像信息的边缘区域进行特征识别处理,得到边缘特征信息。
其中,边缘特征信息包括未收获农田信息、已收获农田信息以及非农田信息。
对于本申请实施例,非农田信息可以是道路信息以及建筑信息等。以步骤S102为例,农田图像信息的边缘区域即为农田图像信息边缘处的多个子区域位于的区域。参照图2,图2中标号22的区域即为边缘区域。电子设备对边缘区域对应的图像信息进行特征识别处理,从而得到边缘特征信息。电子设备通过对边缘特征信息的识别处理,进而便于判断出已收获农田区域是否全部位于农田图像信息中。
S10512,若边缘特征信息为已收获农田信息,则控制无人机上升飞行,直至边缘特征信息为未收获农田信息和/或非农田信息。
对于本申请实施例,边缘特征信息为已收获农田信息时,说明农田图像信息外的区域可能是已收获农田区域,可能是未收获农田区域,还可能时非农田区域,因此已收获区域可能并未全部位于农田图像信息中。电子设备控制无人机原地上升飞行,从而使得无人机上的摄像设备能够采集更广泛区域的农田图像信息。无人机上升飞行过程中,电子设备对农田图像信息的边缘区域实时进行特征识别,农田图像信息的边缘区域的边缘特征信息发生变化,无人机持续上升直至边缘特征信息为未收获农田信息和/或非农田信息。例如边缘特征信息为未收获农田信息,因此说明已收获农田区域完全存在于农田图像信息中。
S10513,若边缘特征信息为未收获农田信息和/或非农田信息,则控制无人机停止上升飞行。
对于本申请实施例,例如,当边缘特征信息全部为非农田信息(道路和/或建筑等),或边缘特征信息全部为未收获农田信息,或边缘特征信息部分为非农田信息部分为未收获农田信息时,说明已收获农田区域全部存在于农田图像信息中。因此,无人机无须继续上升飞行,电子设备控制无人机停止上升飞行,并保持在此时的高度。
通过对农田图像信息进行边缘特征识别,从而能够更好更准确地确定出已收获农田区域的轮廓信息。
本申请实施例的一种可能的实现方式,步骤S108中基于起点经纬度信息以及飞行状态信息确定已收获农田区域的面积信息,具体包括步骤S1081(图中未示出)以及步骤S1082(图中未示出),其中,
S1081,基于飞行路程信息以及转向位置信息确定已收获农田区域的尺寸信息。
其中,尺寸信息包括多个相邻两个转向位置信息之间的尺寸信息、起点经纬度信息与第一个转向位置信息之间的尺寸信息以及起点经纬度信息与最后一个转向位置信息之间的尺寸信息。
对于本申请实施例,以步骤S104以及步骤S106为例,轮廓信息为矩形,并且起点经纬度信息为(114. 597096°E,38.687392°N)。因此无人机在飞行过程中存在四个转向位置信息。假设起点经纬度信息到第一个转向位置信息之间的飞行路程信息为100m,第一个转向位置信息到第二个转向位置信息之间的距离是50m,第二个转向位置信息到第三个转向位置信息之间的距离是200m,第三个转向信息到第四个转向信息之间的距离是50m,第四个转向位置信息到起点经纬度信息之间的距离是100m。转向位置信息也可由经纬度坐标表示,在此不再赘述。
S1082,基于已收获农田区域的尺寸信息确定已收获农田区域的面积信息。
对于本申请实施例,以步骤S1081为例,因此已收获农田区域的面积信息S=200×50=10000㎡。
若已收获农田区域的轮廓信息为不规则形状,电子设备可将不规则形状的轮廓信息分割成多个规则形状后,在确定已收获农田区域的面积。
本申请实施例的一种可能的实现方式,方法还包括步骤S109(图中未示出)以及步骤S110(图中未示出),其中,
S109,将农田图像信息输入训练好的第二网络模型中进行火灾识别处理,得到第二农田状态信息。
其中,第二农田状态信息包括农田未发生火灾以及农田发生火灾。
对于本申请实施例,第二网络模型为神经网络模型,第二网络模型可以是卷积神经网络,也可以是循环神经网络,第二网络模型的种类在此不做限定。对初始第二网络模型进行训练学习之前先确定第二农田状态信息对应的训练样本集,训练样本集中包括多个农田图片以及多个农田图片对应的第二农田状态信息。例如,其中两个训练样本为“农田图片1,农田未发生火灾”以及“农田图片2,农田发生火灾”。将训练样本集输入至第二网络模型中进行训练学习得到训练好的第二网络模型。
将农田图像信息输入至训练好的第二网络模型中,训练好的第二网络模型对农田图像信息进行第二农田状态识别处理,训练好的第而网络模型输出农田图像信息对应的第二农田状态信息。通过将农田图像信息输入训练好的第二网络模型中,并最终得到农田图像信息对应的第二农田状态信息更准确。
通过将农田图像信息输入至训练好的第二网络模型中,从而便于得知农田中是否发生火灾。
S110,若第二农田状态信息为农田发生火灾,则输出报警信息。
对于本申请实施例,电子设备确定出农田发生火灾,则电子设备输出报警信息。报警信息可以是电子设备向工作人员对应的终端发送“农田发生火灾”的文字信息,也可以是电子设备将发生火灾的农田图像信息作为报警信息发送至工作人员对应的移动终端中,还可以向工作人员对应的移动终端拨打电话作为报警信息。
本申请实施例的一种可能的实现方式,步骤S108之后包括步骤S111(图中未示出),其中,
S111,将面积信息发送至工作人员对应的移动终端。
对于本申请实施例,以步骤S1082为例,电子设备确定出已收获农田区域的面积信息S=10000㎡后,电子设备将面积信息S=10000㎡发送至工作人员对应的终端设备,从而方便工作人员查看已收获农田区域的面积信息。
上述实施例从方法流程的角度介绍一种无人机农田核查方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种无人机农田核查装置,具体详见下述实施例。
本申请实施例提供一种无人机农田核查装置,如图3所示,该无人机农田核查装置30具体可以包括:
第一获取模块301,用于获取农田图像信息以及无人机的经纬度信息;
图像分割模块302,用于对农田图像信息进行分割处理得到目标图像信息,目标图像信息为农田图像信息中中间区域的图像信息;
预估模块303,用于基于目标图像信息预估第一农田状态信息,第一农田状态信息包括农田未收获以及农田已收获;
第一确定模块304,用于当第一农田状态信息为农田已收获时,确定起点经纬度信息,起点经纬度信息为无人机当前位置的经纬度信息;
第二确定模块305,用于基于农田图像信息确定轮廓信息,轮廓信息用于表征已收获农田区域的轮廓信息;
控制模块306,用于控制无人机按照轮廓信息飞行;
第二获取模块307,用于获取无人机对应的飞行状态信息,飞行状态信息包括无人机的飞行路程信息以及转向位置信息;
第三确定模块308,用于当经纬度信息与起点经纬度信息一致时,基于起点经纬度信息以及飞行状态信息确定已收获农田区域的面积信息。
对于本申请实施例,第一获取模块301获取到无人机采集的农田图像信息,从而便于对农田状态进行分析,并且第一获取模块301获取无人机当前的经纬度信息,便于工作人员得知无人机所在的位置。由于无人机采集的农田图像信息覆盖的农田范围较广,因此图像分割模块302将农田图像信息进行分割处理,得到农田图像信息中间区域的目标图像信息,目标图像信息即为无人机正下方的图像信息。预估模块303基于目标图像信息预估第一农田状态信息,从而得知无人机正下方的农田处于农田未收获状态或农田已收获状态。若第一农田状态信息为农田已收获,第一确定模块304确定此时的经纬度信息为起点经纬度信息。第二确定模块305基于农田图像信息确定已收获农田区域边缘的轮廓信息,从而便于得知已收获农田的范围。控制模块306控制无人机按轮廓信息飞行,无人机按照轮廓信息飞行过程中,第二获取模块307获取无人机的飞行状态信息,以便于确定农田收获面积信息。若经纬度信息与起点经纬度信息一致,则说明无人机按轮廓信息飞行完毕,第三确定模块308确定已收获农田区域的面积信息。通过无人机按照上述方式对已收获农田区域的面积进行确定,减少了人工的使用并且提高了测量已收获农田区域面积的效率。
本申请实施例的一种可能的实现方式,预估模块303在基于目标图像信息预估第一农田状态信息时,具体用于:
将目标图像信息输入至训练好的第一网络模型中进行农田状态识别处理,得到第一农田状态信息。
本申请实施例的一种可能的实现方式,第二确定模块205在基于农田图像信息确定轮廓信息时,具体用于:
对农田图像信息进行轮廓检测;
基于轮廓检测结果生成轮廓信息。
本申请实施例的一种可能的实现方式,第二确定模块305在对农田图像信息进行轮廓检测时,具体用于:
对农田图像信息的边缘区域进行特征识别处理,得到边缘特征信息,边缘特征信息包括未收获农田信息、已收获农田信息以及非农田信息;
若边缘特征信息为已收获农田信息,则控制无人机上升飞行,直至边缘特征信息为未收获农田信息和/或非农田信息;
若边缘特征信息为未收获农田信息和/或非农田信息,则控制无人机停止上升飞行。
本申请实施例的一种可能的实现方式,第三确定模块308在基于起点经纬度信息以及飞行状态信息确定已收获农田区域的面积信息时,具体用于:
基于飞行路程信息以及转向位置信息确定已收获农田区域的尺寸信息,尺寸信息包括多个相邻两个转向位置信息之间的尺寸信息、起点经纬度信息与第一个转向位置信息之间的尺寸信息以及起点经纬度信息与最后一个转向位置信息之间的尺寸信息;
基于已收获农田区域的尺寸信息确定已收获农田区域的面积信息。
本申请实施例的一种可能的实现方式,装置30还包括:
农田状态处理模块,用于将农田图像信息输入训练好的第二网络模型中进行火灾识别处理,得到第二农田状态信息,第二农田状态信息包括农田未发生火灾以及农田发生火灾;
输出模块,用于当第二农田状态信息为农田发生火灾时,则输出报警信息。
本申请实施例的一种可能的实现方式,装置30还包括:
信息发送模块,用于将面积信息发送至工作人员对应的移动终端。
对于本申请实施例,第一获取模块301和第二获取模块307可以是相同的获取模块,也可以是不同的获取模块。第一确定模块304、第二确定模块305以及第三确定模块308可以是相同的确定模块,也可以是不同的确定模块,还可以是部分相同的确定模块。
本申请实施例提供了一种无人机农田核查装置30,适用于上述方法实施例,在此不在赘述。
本申请实施例中提供了一种电子设备,如图4所示,图4所示的电子设备40包括:处理器401和存储器403。其中,处理器401和存储器403相连,如通过总线402相连。可选地,电子设备40还可以包括收发器404。需要说明的是,实际应用中收发器404不限于一个,该电子设备40的结构并不构成对本申请实施例的限定。
处理器401可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器401也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线402可包括一通路,在上述组件之间传送信息。总线402可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器403可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器403用于存储执行本申请方案的应用程序代码,并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中电子设备获取到无人机采集的农田图像信息,从而便于对农田状态进行分析,电子设备并且获取无人机当前的经纬度信息,便于工作人员得知无人机所在的位置。由于无人机采集的农田图像信息覆盖的农田范围较广,因此电子设备将农田图像信息进行分割处理,得到农田图像信息中间区域的目标图像信息,目标图像信息即为无人机正下方的图像信息。电子设备基于目标图像信息预估第一农田状态信息,从而得知无人机正下方的农田处于农田未收获状态或农田已收获状态。若第一农田状态信息为农田已收获,电子设备确定此时的经纬度信息为起点经纬度信息。电子设备基于农田图像信息确定已收获农田区域边缘的轮廓信息,从而便于得知已收获农田的范围。电子设备控制无人机按轮廓信息飞行,无人机按照轮廓信息飞行过程中,电子设备获取无人机的飞行状态信息,以便于确定农田收获面积信息。若经纬度信息与起点经纬度信息一致,则说明无人机按轮廓信息飞行完毕,电子设备确定已收获农田区域的面积信息。通过无人机按照上述方式对已收获农田区域的面积进行确定,减少了人工的使用并且提高了测量已收获农田区域面积的效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,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。
Claims (10)
1.一种无人机农田核查方法,其特征在于,包括:
获取农田图像信息以及无人机的经纬度信息;
对所述农田图像信息进行分割处理得到目标图像信息,所述目标图像信息为所述农田图像信息中中间区域的图像信息;
基于所述目标图像信息预估第一农田状态信息,所述第一农田状态信息包括农田未收获以及农田已收获;
若所述第一农田状态信息为农田已收获,则确定起点经纬度信息,所述起点经纬度信息为无人机当前位置的经纬度信息;
基于所述农田图像信息确定轮廓信息,所述轮廓信息用于表征已收获农田区域的轮廓信息;
控制所述无人机按照所述轮廓信息飞行;
获取所述无人机对应的飞行状态信息,所述飞行状态信息包括所述无人机的飞行路程信息以及转向位置信息;
若所述经纬度信息与起点经纬度信息一致,则基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息。
2.根据权利要求1所述的一种无人机农田核查方法,其特征在于,所述基于所述目标图像信息预估第一农田状态信息,包括:
将所述目标图像信息输入至训练好的第一网络模型中进行农田状态识别处理,得到所述第一农田状态信息。
3.根据权利要求1所述的一种无人机农田核查方法,其特征在于,所述基于所述农田图像信息确定轮廓信息,包括:
对所述农田图像信息进行轮廓检测;
基于所述轮廓检测结果生成所述轮廓信息。
4.根据权利要求3所述的一种无人机农田核查方法,其特征在于,所述对所述农田图像信息进行轮廓检测,包括:
对所述农田图像信息的边缘区域进行特征识别处理,得到边缘特征信息,所述边缘特征信息包括未收获农田信息、已收获农田信息以及非农田信息;
若所述边缘特征信息为已收获农田信息,则控制所述无人机上升飞行,直至所述边缘特征信息为未收获农田信息和/或非农田信息;
若所述边缘特征信息为未收获农田信息和/或非农田信息,则控制所述无人机停止上升飞行。
5.根据权利要求1所述的一种无人机农田核查方法,其特征在于,所述基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息,包括:
基于所述飞行路程信息以及所述转向位置信息确定所述已收获农田区域的尺寸信息,所述尺寸信息包括多个相邻两个转向位置信息之间的尺寸信息、起点经纬度信息与第一个转向位置信息之间的尺寸信息以及起点经纬度信息与最后一个转向位置信息之间的尺寸信息;
基于所述已收获农田区域的尺寸信息确定已收获农田区域的面积信息。
6.根据权利要求1所述的一种无人机农田核查方法,其特征在于,所述方法还包括:
将所述农田图像信息输入训练好的第二网络模型中进行火灾识别处理,得到所述第二农田状态信息,所述第二农田状态信息包括农田未发生火灾以及农田发生火灾;
若所述第二农田状态信息为农田发生火灾,则输出报警信息。
7.根据权利要求1所述的一种无人机农田核查方法,其特征在于,所述基于所述飞行状态信息确定农田收获面积信息,之后包括:
将所述面积信息发送至工作人员对应的移动终端。
8.一种无人机农田核查装置,其特征在于,包括:
第一获取模块,用于获取农田图像信息以及无人机的经纬度信息;
图像分割模块,用于对所述农田图像信息进行分割处理得到目标图像信息,所述目标图像信息为所述农田图像信息中中间区域的图像信息;
预估模块,用于基于所述目标图像信息预估第一农田状态信息,所述第一农田状态信息包括农田未收获以及农田已收获;
第一确定模块,用于当所述第一农田状态信息为农田已收获时,确定起点经纬度信息,所述起点经纬度信息为无人机当前位置的经纬度信息;
第二确定模块,用于基于所述农田图像信息确定轮廓信息,所述轮廓信息用于表征已收获农田区域的轮廓信息;
控制模块,用于控制所述无人机按照所述轮廓信息飞行;
第二获取模块,用于获取所述无人机对应的飞行状态信息,所述飞行状态信息包括所述无人机的飞行路程信息以及转向位置信息;
第三确定模块,用于当所述经纬度信息与起点经纬度信息一致时,基于所述起点经纬度信息以及飞行状态信息确定所述已收获农田区域的面积信息。
9.一种电子设备,其特征在于,其包括:
一个或者多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行根据权利要求1~7任一项所述的一种无人机农田核查方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~7任一项所述的一种无人机农田核查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212441.4A CN113900447A (zh) | 2021-10-19 | 2021-10-19 | 一种无人机农田核查方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212441.4A CN113900447A (zh) | 2021-10-19 | 2021-10-19 | 一种无人机农田核查方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113900447A true CN113900447A (zh) | 2022-01-07 |
Family
ID=79192562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111212441.4A Pending CN113900447A (zh) | 2021-10-19 | 2021-10-19 | 一种无人机农田核查方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113900447A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633202A (zh) * | 2017-08-11 | 2018-01-26 | 合肥嘉浓航空科技有限公司 | 一种基于农田图像特征识别的植保无人机飞控方法和系统 |
WO2020134236A1 (zh) * | 2018-12-29 | 2020-07-02 | 丰疆智能科技股份有限公司 | 收割机及其自动驾驶方法 |
CN112714411A (zh) * | 2021-01-25 | 2021-04-27 | 中北大学 | 具有可移动节点的农业监测装置 |
-
2021
- 2021-10-19 CN CN202111212441.4A patent/CN113900447A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633202A (zh) * | 2017-08-11 | 2018-01-26 | 合肥嘉浓航空科技有限公司 | 一种基于农田图像特征识别的植保无人机飞控方法和系统 |
WO2020134236A1 (zh) * | 2018-12-29 | 2020-07-02 | 丰疆智能科技股份有限公司 | 收割机及其自动驾驶方法 |
CN112714411A (zh) * | 2021-01-25 | 2021-04-27 | 中北大学 | 具有可移动节点的农业监测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126399B (zh) | 一种图像检测方法、装置、设备及可读存储介质 | |
CN111340012B (zh) | 一种地质灾害解译方法、装置、终端设备 | |
US8873842B2 (en) | Using human intelligence tasks for precise image analysis | |
CN111666855B (zh) | 基于无人机的动物三维参数提取方法、系统及电子设备 | |
US9105128B2 (en) | Adaptive image acquisition and processing with image analysis feedback | |
CN107609483B (zh) | 面向驾驶辅助系统的危险目标检测方法、装置 | |
US9728204B2 (en) | Method and device for drawing a noise map | |
CN104573387A (zh) | 一种噪音地图绘制方法及装置 | |
CN112001453B (zh) | 一种视频事件检测算法的准确率计算方法及装置 | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
CN113239864A (zh) | 一种适用于农业调查的无人机的路线规划方法 | |
CN111104861B (zh) | 用于确定电线位置的方法和设备以及存储介质 | |
CN112036269A (zh) | 跌倒检测方法、装置、计算机设备和存储介质 | |
CN112990168B (zh) | 一种违法用地监测方法及系统 | |
CN114387750A (zh) | 一种变电设备监测的方法、装置、设备及存储介质 | |
CN112748453B (zh) | 道路侧定位方法、装置、设备及存储介质 | |
CN113673288B (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN114676907B (zh) | 一种区域地质灾害预警方法、装置、存储介质及设备 | |
CN113900447A (zh) | 一种无人机农田核查方法、装置、电子设备及存储介质 | |
CN114519400A (zh) | 分割结果评估方法、装置、电子设备和可读存储介质 | |
CN112633143B (zh) | 图像处理系统、方法、头戴设备、处理设备及存储介质 | |
CN115019216A (zh) | 实时地物检测和定位计数方法、系统及计算机 | |
CN111860626B (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及系统 | |
CN112446229B (zh) | 一种标志杆的像素坐标获取方法及装置 | |
CN111880576A (zh) | 基于视觉的无人机飞行控制方法及装置 |
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 |