CN114782807A - 目标区域的宽度确定方法及相关装置 - Google Patents

Abstract

本发明的实施例提供了一种目标区域的宽度确定方法及相关装置，涉及计算机技术领域。首先获取农田的航拍图像，然后根据获取的航拍图像，获得农田中目标区域在若干位置点对应位置处的宽度值，其中，任一位置点位于目标区域的中线上，目标区域为农田中的植株区域、地膜区域和土壤区域中的至少一种。与现有技术相比,本发明不需要人工处理就能实现自动根据农田的航拍图像获得农田中植株区域、地膜区域或者土壤区域的宽度值的目的，能够解决人工测量农田中目标区域宽度所造成的人力和时间成本大的问题。

Description

目标区域的宽度确定方法及相关装置

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种目标区域的宽度确定方法及相关装置。

背景技术

在农作物的生长期间，随着时间的推进，植株区域的宽度会随着时间的增长而变宽，相应地种植行间间隔的可见的土壤区域宽度会变窄，但是这些宽度变化需要种植者经常走入田间地头去观察测量才能得到宽度的实际数据，但是这样非常浪费人力和时间成本。

发明内容

本发明的目的在于提供一种目标区域的宽度确定方法及相关装置，其能够改善现有技术存在的问题。本发明的实施例可以这样实现：

第一方面，本发明提供一种目标区域的宽度确定方法，包括：

获取农田的航拍图像；

根据所述航拍图像，获得所述农田中目标区域在若干位置点对应位置处的宽度值；其中，任一所述位置点位于所述目标区域的中线上，所述目标区域为所述农田中的植株区域、地膜区域和土壤区域中的至少一种。

在可选的实施方式中，所述根据所述航拍图像，获得所述农田中目标区域在若干个位置点对应位置处的宽度值的步骤，包括：

根据所述航拍图像，获得所述目标区域对应的中线掩膜图像；其中，所述中线掩膜图像具有所述目标区域对应的中心线信息，所述中心线信息包含位于所述中线上的每个位置点及所述每个位置点对应的宽度值；

根据所述中线掩膜图像，输出所述若干位置点对应位置处的宽度值。

在可选的实施方式中，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的任意一种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像输入目标模型，以获得所述目标区域对应的中线掩膜图像；其中，所述目标模型通过基于包含目标区域的训练样本预先训练得到。

在可选的实施方式中，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的至少两种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像分别输入每种目标区域对应的第一目标模型，以获得每种目标区域对应的中线掩膜图像；其中，每种所述第一目标模型通过包含对应目标区域的训练样本预先训练得到。

在可选的实施方式中，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的至少两种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像输入多类别语义分割模型，获得每个所述目标区域对应的视觉区域，以及每个所述视觉区域对应的类别标识；所述多类别语义分割模型通过基于包含视觉区域与类别标识的训练样本预先训练得到；

将所述航拍图像输入第二目标模型，获得每个所述目标区域对应的中线掩膜图像；其中，所述第二目标模型基于包含中心线及中心线上各个位置点的宽度的训练样本预先训练得到，每个所述中线掩膜图像与对应的视觉区域具有区域匹配关系。

在可选的实施方式中，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的至少两种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像输入第三目标模型，获得多通道三维矩阵；其中，所述多通道三维矩阵中的每个通道对应一个二维矩阵，每个所述二维矩阵对应一种类型的目标区域，每个所述二维矩阵包含中心线及所述中心线上每个位置点的宽度；所述第三目标模型基于标注所述多通道三维矩阵的训练样本预先训练得到；

基于所述多通道三维矩阵中每个通道对应的二维矩阵，确定所述目标区域的中线掩膜图像。

在可选的实施方式中，当所述目标区域包括所述植株区域时，所述方法还包括：

根据所述植株区域对应的位置点的宽度值，确定所述植株区域对应农作物的生长情况；和/或，

当所述目标区域包括所述地膜区域或所述土壤区域时，所述方法还包括：

根据所述地膜区域或所述土壤区域对应的位置点的宽度值，确定所述地膜区域或所述土壤区域的通风透光情况。

在可选的实施方式中，所述若干位置点为多个采样点，当所述航拍图像为针对所述农田中农作物初次采集的图像时，所述根据所述中线掩膜图像，输出所述若干位置点对应位置处的宽度值的步骤，包括：

根据所述中心线信息，在所述中线上的位置点中选取所述多个采样点；并根据所述中线掩膜图像，输出所述每个采样点对应的宽度值；和/或，

当所述航拍图像为针对所述农田中农作物非初次采集的图像时，所述根据所述中线掩膜图像，输出所述若干位置点对应位置处的宽度值的步骤，包括：

根据所述每个采样点的行列坐标，基于所述中线掩膜图像输出所述每个采样点对应的宽度值。

在可选的实施方式中，所述方法还包括：

根据所述农作物生长期内不同时刻的航拍图像，得到所述目标区域中若干位置点的多组宽度值；

根据所述多组宽度值，输出所述目标区域对应的宽度变化曲线，并将所述宽度变化曲线与标准生长曲线进行分析以得到相应的农事策略；和/或，

从所述农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值中选取一个作为目标宽度值；将所述目标宽度值与该时刻对应的基准宽度值进行比较，以确定该时刻对所述农作物实施的农事策略；和/或，

将所述农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值，输入农事策略生成模型，以确定该时刻对所述农作物实施的农事策略。

在可选的实施方式中，所述方法还包括：

通过农作物观测界面显示所述目标区域的若干位置点对应的宽度变化曲线；和/或，

通过农作物观测界面显示所述农事策略。

第二方面，本发明提供一种目标区域的宽度确定装置，包括：

图像获取模块，用于获取农田的航拍图像；

图像处理模块，用于根据所述航拍图像，获得所述农田中目标区域在若干位置点对应位置处的宽度值；其中，任一所述位置点位于所述农田中目标区域的中线上，所述目标区域为所述农田中的植株区域、地膜区域和土壤区域中的至少一种。

第三方面，本发明提供一种农业管理系统，包括：

处理单元，用于执行以下至少一种操作：根据前述实施方式任意一项的方法获取目标区域对应的中线掩膜图像、根据前述实施方式的方法获取农作物的生长情况和/或通风透光情况、根据前述实施方式所述的方法获取相应的农事策略、根据前述实施方式所述的方法获取目标区域的宽度变化曲线以得到所述农作物的长势变化图；

输出单元，用于输出所述处理单元的处理结果。

第四方面，本发明提供一种电子设备，包括：处理器和存储器，所述存储器用于存储有所述处理器可执行的机器可读指令，所述处理器用于在执行所述机器可读指令时，实现前述实施方式任意一项所述的方法。

第五方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现前述实施方式任意一项所述的方法。

综上所述，本发明实施例提供了一种目标区域的宽度确定方法及相关装置。首先获取农田的航拍图像，然后根据获取的航拍图像，获得农田中目标区域在若干位置点对应位置处的宽度值，其中，任一位置点位于目标区域的中线上，目标区域为农田中的植株区域、地膜区域和土壤区域中的至少一种。与现有技术相比,本发明不需要人工处理就能实现自动根据农田的航拍图像获得农田中植株区域、地膜区域或者土壤区域的宽度值的目的，能够解决人工测量农田中目标区域宽度所造成的人力和时间成本大的问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的一种农田中作物种植区域划分的结构示意图。

图2为本发明实施例提供的一种目标区域的宽度确定方法的流程示意图。

图3为本发明实施例提供的植株区域对应的中线掩膜图像一种示意图。

图4为本发明实施例提供的地膜区域对应的中线掩膜图像一种示意图。

图5为本发明实施例提供的经多类别语义分割模型得到的第一掩膜图像的一种示意图。

图6为本发明实施例提供的经第二目标模型得到的不含类别信息的第二掩膜图像的一种示意图。

图7为本发明实施例提供的一种目标区域的宽度确定装置的功能模块示意图。

图8为本发明实施例提供的一种电子设备的结构示意图。

图9为本发明实施例提供的一种农业管理系统的模块示意图。

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。

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。

在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的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，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。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。

在农作物的生长期间，随着时间的推进，植株区域的宽度会随着时间的增长而变宽，相应地种植行间间隔的可见的土壤区域宽度会变窄，但是这些宽度变化需要种植者经常走入田间地头去观察测量才能得到宽度的实际数据。同样地，对作物的生长情况进行观察也需要种植者在田间进行实地考察才能看出作物的长势如何。

若要进一步大规模地进行作物生长情况的监测并形成可视化数据以供研究，需要人力测量的种植区域的生长期宽度值数据基数就很大，显然，现有技术的方式会浪费大量的人力物力且时间成本大。

有鉴于此，本发明实施例提供了一种目标区域的宽度确定方法，基于采集的农田的航拍图像，经处理可以得出植株区域、地膜区域或者土壤区域总线上若干位置点对应的宽度值，以改善现有技术存在的问题。以下通过各个实施例结合附图进行说明。

以农田中相邻的两个种植行为例，请参见图1，图1为本发明实施例提供的一种农田中作物种植区域划分的结构示意图。其中，相邻的种植行之间可以间隔一定的距离，间隔出来的区域可以是土壤区域。每个种植行上可以播种两行农作物并覆盖地膜，当农作物发芽生长之后形成两行植株区域。随着农作物的生长，植株区域的宽度可能会增加，地膜区域的宽度可能会减小，当俯视农田时土壤区域也可能会由于被植株覆盖一部分而导致土壤区域看起来变窄。

因此，可以通过农田的航拍图像，来监测农田中各个区域的中心线上的若干位置点的宽度值。进一步，可以通过监测植株区域若干位置点的宽度在整个生长期的变化来反映监测植株的生长情况、也可以通过监测地膜区域或者土壤区域中心线上的若干位置点的宽度值在整个生长期的变化，来反映农田的通风情况。并且，也可以通过监测某一时刻各个区域中心线上的若干位置点的宽度值已确定当前应当施行的农事策略等。

需要说明的是，图1所示的农作物种植区域的划分仅为一种示例，在实际中农作物的种植区域可以与图1所示结构相似或者植株种植得更为密集等，在此均不做限定。并且图1所示的植株区域与地膜区域、植株区域与土壤区域之间的分界线为直线仅为一种示例，在实际中，由于植株区域内各植株的长势不尽相同，植株区域与相邻区域的分界线应当会呈现出类似锯齿状或起伏更大的不规则曲线。

请参见图2，图2为本发明实施例提供的一种目标区域的宽度确定方法的流程示意图。该方法可以包括以下步骤：

S201、获取农田的航拍图像。

在本实施例中，可以通过至少一种方式得到农田的航拍图像。例如，在可选的示例中，可以通过无人机装载的相机对农田进行俯拍以得到航拍图像。在另一可选示例中，可以通过位于固定点(例如农田区域附近固定的俯拍点或者观测塔等)的相机对农田进行俯拍以得到图像。

S202、根据航拍图像，获得农田中目标区域在若干位置点对应位置处的宽度值。

在本实施例中，任一位置点都位于目标区域的中线上，结合图1，可以理解，该目标区域为农田中的植株区域、地膜区域和土壤区域中的至少一种。

本发明实施例提供的一种目标区域的宽度确定方法，首先获取农田的航拍图像，然后根据获取的航拍图像，获得农田中目标区域在若干位置点对应位置处的宽度值，其中，任一位置点位于目标区域的中线上，目标区域为农田中的植株区域、地膜区域和土壤区域中的至少一种。与现有技术相比,本发明不需要人工处理就能实现自动根据农田的航拍图像获得农田中植株区域、地膜区域或者土壤区域的宽度值的目的，能够解决人工测量农田中目标区域宽度所造成的人力和时间成本大的问题。

可选的，若干位置点对应的宽度值可以从航拍图像得到的中线掩膜图像上获得。相应地，步骤S202可以包括子步骤：

S202-1、根据航拍图像，获得目标区域对应的中线掩膜图像。

在本实施例中，中线掩膜图像可具有目标区域对应的中心线信息，中心线信息可以包含位于中线上的每个位置点及每个位置点对应的宽度值。

S202-2、根据中线掩膜图像，输出若干位置点对应位置处的宽度值。

在本实施例中，若干位置点对应位置处的宽度值可以从中线掩膜图像上直接获取，进一步输出若干位置点对应的宽度值数据。

在可能的实现方式中，上述的若干位置点可以代表目标区域的中线上的全部位置点，也可以代表目标区域的中线上的部分位置点。以下对代表目标区域的中线上的部分位置点作为采样点时，不同时间段获得采样点对应宽度值的方式进行介绍。

可选的，可以获取农作物生长期内不同时间段的航拍图像，若干位置点可以为多个采样点，不同时间段的航拍图像对应需要的多个采样点是不变的。在一种可选的示例中，当航拍图像为针对农田中农作物初次采集的图像时，相应地，S202-2可以包括子步骤：

S202-2a、根据中心线信息，在中线上的位置点中选取多个采样点；并根据中线掩膜图像，输出每个采样点对应的宽度值。

在本实施例中，当航拍图像为农作物生长期内初次采集的图像时，可以根据中线掩膜图像包括中心线信息，在对应的目标区域的中线上选取多个采样点。

可选的，采样点的数量不受限制，在可选的示例中，结合图1，在一个种植行上，在一种目标区域的中线上可以选取11个采样点，且在不同类型的目标区域的中线上选取的采样点数量可以相同也可以不同。在另一种可选的示例中，当航拍图像为针对农田中农作物非初次采集的图像时，S202-2也可以包括子步骤：

S202-2b、根据每个采样点的行列坐标，基于中线掩膜图像输出每个采样点对应的宽度值。

在本实施例中，若航拍图像为农作物生长期内非初次采集的图像，则可以直接根据初次采集的航拍图像对应保留多个采样点的行列坐标，然后基于本次航拍图像得到的中线掩膜图像，结合多个采样点的行列坐标可以直接获得每个采样点对应的宽度值。

由于影像拼接或者卫星定位引起的误差，会使得后续获得的航拍图像与初次获得的航拍图像相比存在图像偏移。在可选的示例中，以目标区域为地膜区域为例，结合图1，多个采样点是从初次获得的航拍图像对应的地膜区域的中线上随机选取的，但是由于图像偏移，多个采样点不一定位于后续获得的航拍图像对应的地膜区域的中线上。也就是，当航拍图像为针对农田中农作物非初次采集的图像时，可以在每个采样点的行列坐标处以预设像素个数为半径的范围内，基于中心线信息搜索每个采样点对应的宽度值。

当在某个采样点的行列坐标处以预设像素个数为半径的范围内能够搜索到最近的宽度值，就将其作为采样点对应的宽度值；若是在范围内未搜索到宽度值，则可能说明该处采样点对应的植株已经枯死，则该采样点对应的宽度值计为零。

预设像素个数的大小可以根据实际情况进行设置，在可选的示例中，预设像素个数可以设置为5、8或者10等等，在此不做限定。

需要说明的是，上述两种示例所述的步骤可以各自单独执行，也可以结合执行，视实际应用情况而定，在此不作限制。

可选的，获取视觉类别区域对应的中心线信息与宽度信息的方式可以有四种实现方式，以下通过实施例对四种实现方式进行介绍。

在一种可选的实现方式中，当目标区域为植株区域、地膜区域和土壤区域中的任意一种时，针对步骤S202-1，其可以包含子步骤：

S202-1-1、将航拍图像输入目标模型，以获得目标区域对应的中线掩膜图像。

在本实施例中，目标模型可以基于包含目标区域的训练样本预先训练得到。该目标模型可以是一种深度卷积神经网络模型，该深度卷积神经网络模型包括但不限于UNet(一种语义分割模型)、CNN(Convolutional Neural Networks，卷积神经网络)等模型。可以理解，不同种类的目标区域各自分别对应一个训练好的目标模型。

在可选的示例中，当目标区域为植株区域时，应使用植株区域对应的目标模型，得到的植株区域的中线掩膜图像请参见图3，图3为本发明实施例提供的植株区域对应的中线掩膜图像一种示意图。图中一个格子代表一个像素，一个格子可以代表一个位置点，植株区域的中线由一行位置点组成，对应包含一行宽度值，中线上格子中的非零数值代表该格子所在列在植株区域对应的宽度值。

需要说明的是，图3植株区域与其相邻区域的分界为直线仅为示例，在实际情况中由于植株区域内各植株的长势不尽相同，植株区域与其相邻区域的分界，植株区域与相邻区域的分界线应当会呈现出类似锯齿状或起伏更大的不规则曲线。相应地，植株区域的不同列像素对应的宽度值应当是可以相同也可以不同的。图4、图5、图6亦然同理。

在可选的示例中，将航拍图像输入目标模型，获得目标区域对应的中线掩膜图像，该中线掩膜图像也可以以二维矩阵的方式呈现，二维矩阵中的非零行所在位置代表中线位置，矩阵中某一非零值代表该非零值所在列的宽度。

在另一种可选的实现方式中，当目标区域为植株区域、地膜区域和土壤区域中的至少两种时，针对步骤S202-1，其可以包含子步骤：

S202-1-a、将航拍图像分别输入每种目标区域对应的第一目标模型，以获得每种目标区域对应的中线掩膜图像。

在本实施例中，每种第一目标模型可以通过包含对应目标区域的训练样本预先训练得到。

第一目标模型可以是一种深度卷积神经网络模型。该深度卷积神经网络模型包括但不限于UNet、CNN等模型。可以理解，不同种类的目标区域各自分别对应一个训练好的第一目标模型。

可选的，每种目标区域对应的第一目标模型和上述的目标模型可以为同一模型也可以为不同模型。

在可选的示例中，当两种视觉类别区域为植株区域和地膜区域时，将航拍图像输入植株区域对应的第一目标模型可以得到如图3所示的中线掩膜图像，将航拍图像输入地膜区域对应的第一目标模型可以得到如图4所示的中线掩膜图像。

同样的，在可选的示例中，将航拍图像输入第一目标模型，获得目标区域对应的中线掩膜图像，该中线掩膜图像也可以以二维矩阵的方式呈现，二维矩阵中的非零行所在位置代表中线位置，矩阵中某一非零值代表该非零值所在列的宽度。

在又一种可选的实现方式中，当目标区域为植株区域、地膜区域和土壤区域中的至少两种时，针对步骤S202-1，其也可以包含子步骤：

S202-1-A、将航拍图像输入多类别语义分割模型，获得每个目标区域对应的视觉区域，以及每个视觉区域对应的类别标识。

在本实施例中，多类别语义分割模型可以基于包含视觉区域与类别标识的训练样本预先训练得到。该多类别语义分割模型可以是一种深度卷积神经网络模型。该多类别语义分割模型可以包括但不限于UNet、FCN(Fully Convolution Network，全卷积网络)、DeeplabV3等模型。

可以理解，语义分割是指对于图像将每个像素都标注上对应的类别，不区分个体。可选的，将航拍图像输入多类别语义分割模型可以获得第一掩膜图像，该第一掩膜图像中包含每个目标区域对应的视觉区域，以及每个视觉区域对应的类别标识。S202-1-B、将航拍图像输入第二目标模型，获得每个目标区域对应的中线掩膜图像。

在本实施例中，第二目标模型基于包含中心线及中心线上各个位置点的宽度的训练样本预先训练得到。可以理解，经第二目标模型可以得到包含每个区域中心线信息的第二掩膜图像，该第二掩膜图像中不包含该每个区域具体对应的视觉区域的类别信息。相应地，将第一掩膜图像结合至第二掩膜图像，可以获得每个目标区域的中线掩膜图像，每个中线掩膜图像与对应的视觉区域具有区域匹配关系。在可选的示例中，当针对植株区域、地膜区域和土壤区域这三种视觉类别区域时：

请参见图5，图5为本发明实施例提供的经多类别语义分割模型得到的第一掩膜图像的一种示意图。将航拍图像输入多类别语义分割模型，获得的第一掩膜图像中：植株区域对应的视觉区域即为图中类别标识为3的区域；地膜区域对应的视觉区域即为图中类别标识为2的区域；土壤区域对应的视觉区域即为图中类别标识为1的区域。

请参见图6，图6为本发明实施例提供的经第二目标模型得到的不含类别信息的第二掩膜图像的一种示意图。将航拍图像输入第二目标模型，获得的第二掩膜图像包含了1～4的中心线信息。将图5与图6进行重叠，可以得到中线掩膜图像，可知：区域1对应植株区域1、区域2对应地膜区域、区域3对应植株区域2、区域4对应土壤区域。需要说明的是，该举例仅为一种示例，具体区域的数量及划分方式视实际应用情况而定，在此不做限定。

在再一种可选的实现方式中，当目标区域为植株区域、地膜区域和土壤区域中的至少两种时，针对步骤S202-1，其也可以包含子步骤：

S202-1-A′、将航拍图像输入第三目标模型，获得多通道三维矩阵。

在本实施例中，多通道三维矩阵中的每个通道可以对应一个二维矩阵，每个二维矩阵可以对应一种类型的目标区域，每个二维矩阵包含相应目标区域的中心线信息，该中心线信息包含由多个位置点组成的中心线及中心线上每个位置点的宽度。第三目标模型可以是一种基于标注多通道三维矩阵的训练样本预先训练得到的卷积神经网络模型。可以理解，多通道三维矩阵中通道数量与目标区域的数量对应，每个二维矩阵中包含对应目标区域的中心线信息。二维矩阵中的非零行位置可以表示对应目标区域的中线位置，二维矩阵中的任意一个非零值可以表示该非零值所在列的宽度值，二维矩阵中非零行的非零值即表征对应目标区域的宽度。

S202-1-B′、基于多通道三维矩阵中每个通道对应的二维矩阵，确定目标区域的中线掩膜图像。

在本实施例中，将每个通道对应的二维矩阵结合起来，可以确定全部目标区域对应的中线掩膜图像。

在一种可能的实施方式中，当目标区域包括植株区域时，方法还可以包括步骤：

S203、根据植株区域对应的位置点的宽度值，确定植株区域对应农作物的生长情况。

在本实施例中，植株区域中线上的每个位置点对应的宽度值可以表征该位置点处对应农作物的生长情况。以棉花植株为例，假设每个位置点均对应一个棉花植株，在其生长期内，随着棉花植株的生长，位置点对应的宽度值应当会变大，该位置点在整个生长期对应的宽度值变化即可反映棉花植株的长势。需要说明的是，该举例仅为一种示例，在实际情况中，需要视实际情况而定，一个位置点处对应的植株数量可能为1、2或者3，甚至若是该位置点处对应的植株数量为0，则可能说明该位置点处的植株生长情况不好，植株可能已经枯死。

在可能的示例中，在植株区域生长期前期的某一时刻获取到农田中所有植株区域的中线掩膜图像，可以提取出每行植株区域对应的中心线信息，然后针对每行植株区域，根据对应的中心线信息中所有位置点的宽度值求得一个均值，该均值可以反映该行植株区域在该时刻的生长情况，将此均值与预设的基本值进行比较，若均值与基本值的差值处于一个预设范围内，可以反映该行植株区域的农作物处于正常生长状态。若均值与基本值的差值超出预设范围，可以反映该行植株区域的农作物处于营养不足或是营养过剩状态。预设的基本值可以是通过实验得到的农作物正常生长至该时刻的植株宽度。

在另一种可能的实施方式中，当目标区域为地膜区域或土壤区域时，方法还可以包括步骤：

S204、根据地膜区域或土壤区域对应的位置点的宽度值，确定地膜区域或土壤区域的通风透光情况。

当目标区域包括地膜区域时，地膜区域的位置点对应的宽度值可以间接反映位置点处对应农作物生长情况，且能够反映农田的封行程度和田间通风透光性；当目标区域包含土壤区域时，土壤区域的位置点对应的宽度值也可以间接反映采样点处对应农作物生长情况，且直接反映该区域的通风透光情况。

需要说明的是，上述两种实施方式所述的步骤S203、S204可以各自单独执行，也可以结合执行，视实际应用情况而定，在此不作限制。

可选的，根据农作物生长期内的航拍图像，可以确定相应执行的农事策略，以下介绍三种生成农事策略的实施方式。

在一种可能的实施方式中，方法还可以包括步骤：

S205、根据农作物生长期内不同时刻的航拍图像，得到目标区域中若干位置点的多组宽度值。S206、根据多组宽度值，输出目标区域对应的宽度变化曲线，并将宽度变化曲线与标准生长曲线进行分析以得到相应的农事策略。

可选的示例中，以目标区域包含植株区域为例，根据农作物生长期内不同时刻的航拍图像，可以得到农田中植株区域中若干位置点对应的多组宽度值，每组宽度值反映一个时刻下植株区域的宽度数据。

针对每组宽度值，可以求得一个平均值，然后将生长期时间线上的多组宽度值对应的多个平均值，拟合出植株区域的宽度变化曲线，该曲线反映了植株在生长期内的长势变化。将该宽度变化曲线与该植株的标准生长曲线进行比对，可以判断出该植株在当前时刻的生长态势，例如处于营养不良或是营养过剩状态，相应应当对植株区域执行的农事策略就可以是增加营养物浓度或是稀释营养物浓度。

在另一种可能的实施方式中，方法还可以包括步骤：

S207、从农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值中选取一个作为目标宽度值；将目标宽度值与该时刻对应的基准宽度值进行比较，以确定该时刻对农作物实施的农事策略；

可选的示例中，同样以目标区域包含植株区域为例，根据农作物生长期内某一时刻的航拍图像，可以得到农田中植株区域中若干位置点对应的若干宽度值。从该若干宽度值中选取一个作为目标宽度值，然后可以将该目标宽度值与该时刻对应的基准宽度值进行比较，若目标宽度值与基准宽度值的差值处于超出预定范围，可以反映农田的植株区域的农作物处于营养不足(差值为负)或是营养过剩(差值为正)状态。例如若判断出处于营养不良或是营养过剩状态，相应应当对植株区域执行的农事策略就可以是增加营养物浓度或是稀释营养物浓度。

在又一种可能的实施方式中，方法还可以包括步骤：

S208、将农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值，输入农事策略生成模型，以确定该时刻对农作物实施的农事策略。

在本实施例中，该农事策略生成模型可以是通过包含作物生长阶段的宽度数据及对应农事策略的训练样本预先训练得到的。将农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值，输入农事策略生成模型，可以得到该时刻对应可以对农作物实施的农事策略。例如，农作物幼苗期的宽度数据输入该模型，得到的农事策略可以包括对幼苗进行浇水及施肥等动作。可以理解，该举例仅为示例，在此不作限定。

需要说明的是，上述三种实施方式所述的步骤可以各自单独在一个实施例中执行，也可以在同一个实施例中结合执行，视实际应用情况而定，在此不作限制。

在一种可选的示例中，根据监测得到的不同时刻下目标区域的宽度值得到的宽度变化曲线可以可视化呈现至用户，方法还可以包括步骤：

S209、通过农作物观测界面显示目标区域的若干位置点对应的宽度变化曲线。

在另一种可选的示例中，上述基于监测得到的不同时刻下目标区域的宽度值得到农事策略也可以可视化呈现至用户，方法还可以包括步骤：

S210、通过农作物观测界面显示农事策略。

基于上述的目标区域的宽度确定方法，本发明实施例还提供一种目标区域的宽度确定装置200，请参考图7，图7为本发明实施例提供的一种目标区域的宽度确定装置的功能模块示意图，该装置包括：

图像获取模块210，用于获取农田的航拍图像；

图像处理模块220，用于根据航拍图像，获得农田中目标区域在若干位置点对应位置处的宽度值。

其中，任一位置点位于农田中目标区域的中线上，目标区域为农田中的植株区域、地膜区域和土壤区域中的至少一种。

在本实施例中，图像获取模块210可以用于执行上述步骤S201，图像处理模块220可以用于执行上述步骤S202-S210，关于图像获取模块210、图像处理模块220和数据获取模块230的相关内容可以参照前文相应的具体描述。

上述目标区域的宽度确定装置200用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。

以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Signal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(System-on-a-Chip，简称SoC)的形式实现。

进一步地，基于上述的目标区域的宽度确定方法，请参考图8，为本发明实施例提供的一种电子设备的结构示意图。该电子设备300包括处理器310、存储器320和总线330，存储器320存储有处理器310可执行的机器可读指令。当电子设备300运行时，处理器310与存储器320之间通过总线330通信，处理器310用于执行机器可读指令以实现上述方法实施例。

处理器310可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

存储器320可用于存储软件程序或是存储数据，例如：本申请实施例提供的用于子模块进行软件升级的数据包和可以表征子模块数量的序列值等，该举例仅为示例，在此不做限定。其中，存储器320可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，闪存存储器(Flash)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory，EEPROM)等。

可以理解，图8所示的结构仅为示意，电子设备300还可以包括比图8中所示更多或者更少的组件，或者具有与图8所示不同的配置。图8中所示的各组件可以采用硬件、软件或其组合实现。

基于上述的目标区域的宽度确定方法，本发明实施例还提供一种农业管理系统400，请参考图9，图9为本发明实施例提供的一种农业管理系统的模块示意图，该系统包括：

处理单元410，用于执行以下至少一种操作：

根据前述方法实施例获取目标区域对应的中线掩膜图像；

根据前述方法实施例获取农作物的生长情况和/或通风透光情况；

根据前述方法实施例获取相应的农事策略；

根据前述方法实施例获取目标区域的宽度变化曲线以得到农作物的长势变化图。

输出单元420，用于输出处理单元的处理结果。

可以理解，图9所示的结构仅为示意，农业管理系统400还可以包括比图9中所示更多的模块。

进一步地，基于上述的目标区域的宽度确定方法，本发明实施例还提供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，该计算机程序被处理器运行时执行上述方法实施例的步骤。该计算机可读存储介质可以是，但不限于，U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、FLASH磁碟或者光盘等各种可以存储程序代码的介质。

综上所述，本发明实施例提供的一种目标区域的宽度确定方法及相关装置，首先获取农田的航拍图像，然后根据获取的航拍图像，获得农田中目标区域在若干位置点对应位置处的宽度值，其中，任一位置点位于目标区域的中线上，目标区域为农田中的植株区域、地膜区域和土壤区域中的至少一种。与现有技术相比，本发明不需要人工处理就能实现自动根据农田的航拍图像获得农田中植株区域、地膜区域或者土壤区域的宽度值的目的，能够解决人工测量农田中目标区域宽度所造成的人力和时间成本大的问题。

并且进一步可以根据生长期任一时刻得到的目标区域上位置点的宽度值，来判断作物的生长情况或者反映通风透光情况，还可以进一步得到作物的宽度变化曲线，以可视化的图表，可以更为直观的反映出农作物生长期的生长情况变化，对于田间管理具有重大研究意义。还能够基于目标区域的宽度数据得出农事策略，进一步推进了种植的智能化。

以上所述，仅为本发明的具体实施方式，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种目标区域的宽度确定方法，其特征在于，包括：

获取农田的航拍图像；

根据所述航拍图像，获得所述农田中目标区域在若干位置点对应位置处的宽度值；其中，任一所述位置点位于所述目标区域的中线上，所述目标区域为所述农田中的植株区域、地膜区域和土壤区域中的至少一种。

2.如权利要求1所述的方法，其特征在于，所述根据所述航拍图像，获得所述农田中目标区域在若干个位置点对应位置处的宽度值的步骤，包括：

根据所述航拍图像，获得所述目标区域对应的中线掩膜图像；其中，所述中线掩膜图像具有所述目标区域对应的中心线信息，所述中心线信息包含位于所述中线上的每个位置点及所述每个位置点对应的宽度值；

根据所述中线掩膜图像，输出所述若干位置点对应位置处的宽度值。

3.如权利要求2所述的方法，其特征在于，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的任意一种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像输入目标模型，以获得所述目标区域对应的中线掩膜图像；其中，所述目标模型通过基于包含目标区域的训练样本预先训练得到。

4.如权利要求2所述的方法，其特征在于，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的至少两种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像分别输入每种目标区域对应的第一目标模型，以获得每种目标区域对应的中线掩膜图像；其中，每种所述第一目标模型通过包含对应目标区域的训练样本预先训练得到。

5.如权利要求2所述的方法，其特征在于，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的至少两种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像输入多类别语义分割模型，获得每个所述目标区域对应的视觉区域，以及每个所述视觉区域对应的类别标识；所述多类别语义分割模型通过基于包含视觉区域与类别标识的训练样本预先训练得到；

将所述航拍图像输入第二目标模型，获得每个所述目标区域对应的中线掩膜图像；其中，所述第二目标模型基于包含中心线及中心线上各个位置点的宽度的训练样本预先训练得到，每个所述中线掩膜图像与对应的视觉区域具有区域匹配关系。

6.如权利要求2所述的方法，其特征在于，当所述目标区域为所述植株区域、所述地膜区域和所述土壤区域中的至少两种时，所述根据所述航拍图像，获得所述目标区域对应的中线掩膜图像的步骤，包括：

将所述航拍图像输入第三目标模型，获得多通道三维矩阵；其中，所述多通道三维矩阵中的每个通道对应一个二维矩阵，每个所述二维矩阵对应一种类型的目标区域，每个所述二维矩阵包含中心线及所述中心线上每个位置点的宽度；所述第三目标模型基于标注所述多通道三维矩阵的训练样本预先训练得到；

基于所述多通道三维矩阵中每个通道对应的二维矩阵，确定所述目标区域的中线掩膜图像。

7.如权利要求2所述的方法，其特征在于，

当所述目标区域包括所述植株区域时，所述方法还包括：

根据所述植株区域对应的位置点的宽度值，确定所述植株区域对应农作物的生长情况；和/或，

当所述目标区域包括所述地膜区域或所述土壤区域时，所述方法还包括：

根据所述地膜区域或所述土壤区域对应的位置点的宽度值，确定所述地膜区域或所述土壤区域的通风透光情况。

8.如权利要求2所述的方法，其特征在于，所述若干位置点为多个采样点，当所述航拍图像为针对所述农田中农作物初次采集的图像时，所述根据所述中线掩膜图像，输出所述若干位置点对应位置处的宽度值的步骤，包括：

根据所述中心线信息，在所述中线上的位置点中选取所述多个采样点；并根据所述中线掩膜图像，输出所述每个采样点对应的宽度值；和/或，

当所述航拍图像为针对所述农田中农作物非初次采集的图像时，所述根据所述中线掩膜图像，输出所述若干位置点对应位置处的宽度值的步骤，包括：

根据所述每个采样点的行列坐标，基于所述中线掩膜图像输出所述每个采样点对应的宽度值。

9.如权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述农作物生长期内不同时刻的航拍图像，得到所述目标区域中若干位置点的多组宽度值；

根据所述多组宽度值，输出所述目标区域对应的宽度变化曲线，并将所述宽度变化曲线与标准生长曲线进行分析以得到相应的农事策略；和/或，

从所述农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值中选取一个作为目标宽度值；将所述目标宽度值与该时刻对应的基准宽度值进行比较，以确定该时刻对所述农作物实施的农事策略；和/或，

将所述农作物生长期内任一时刻的航拍图像得到的若干位置点对应的宽度值，输入农事策略生成模型，以确定该时刻对所述农作物实施的农事策略。

10.如权利要求9所述的方法，其特征在于，所述方法还包括：

通过农作物观测界面显示所述目标区域的若干位置点对应的宽度变化曲线；和/或，

通过农作物观测界面显示所述农事策略。

11.一种目标区域的宽度确定装置，其特征在于，包括：

图像获取模块，用于获取农田的航拍图像；

图像处理模块，用于根据所述航拍图像，获得所述农田中目标区域在若干位置点对应位置处的宽度值；其中，任一所述位置点位于所述农田中目标区域的中线上，所述目标区域为所述农田中的植株区域、地膜区域和土壤区域中的至少一种。

12.一种农业管理系统，其特征在于，包括：

处理单元，用于执行以下至少一种操作：根据权利要求1～6任意一项的方法获取目标区域对应的中线掩膜图像、根据权利要求7的方法获取农作物的生长情况和/或通风透光情况、根据权利要求9所述的方法获取相应的农事策略、根据权利要求9所述的方法获取目标区域的宽度变化曲线以得到所述农作物的长势变化图；

输出单元，用于输出所述处理单元的处理结果。

13.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储有所述处理器可执行的机器可读指令，所述处理器用于在执行所述机器可读指令时，实现权利要求1-10任意一项所述的方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1-10任意一项所述的方法。

Images