CN114998746A - 一种耕地土壤环境质量分区方法及系统 - Google Patents
一种耕地土壤环境质量分区方法及系统 Download PDFInfo
- Publication number
- CN114998746A CN114998746A CN202210845849.3A CN202210845849A CN114998746A CN 114998746 A CN114998746 A CN 114998746A CN 202210845849 A CN202210845849 A CN 202210845849A CN 114998746 A CN114998746 A CN 114998746A
- Authority
- CN
- China
- Prior art keywords
- soil
- region
- area
- target
- soil environment
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000007613 environmental effect Effects 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 abstract description 7
- 238000009313 farming Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004162 soil erosion Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003900 soil pollution Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种耕地土壤环境质量分区方法及系统,方法包括:获取目标区域的目标土壤环境图像,根据预设的区域识别模型对目标土壤环境图像进行区域类型划分,得到土壤区域布局图;对目标土壤环境图像进行栅格化,并以土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到待检测区域;根据待检测区域内各个栅格之间的环境影响度的差值对土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。以解决现有技术中无法在保证分区准确度的前提下,对整个农耕区域大范围的土壤质量进行等级划分的技术问题。
Description
技术领域
本发明属于耕地土壤环境监测技术领域,尤其涉及一种耕地土壤环境质量分区方法及系统。
背景技术
目前,加强对环境的土壤的检测以质量分区很有必要,对土壤进行分区可指导农民选择合适的肥料来使树苗或庄稼生长的更好,还能开发未知的场地用来种植,使土壤资源得以充分利用。而土壤污染严重的地区,则要加强管理和污染防治,使土壤污染逐步缓解。
然而,现有技术中为了确定目标区域的土壤质量等级,会根据相关标准要求,到实地进行样品采集、数据检测分析,得到土壤中地球化学元素含量数据,基于具体某一片土壤的地球化学元素含量,从而确定该土壤的质量等级。但在农业土地探测中,由于农耕地区域跨度非常大,人们为统筹整个农耕区域的土壤环境质量,往往需要评估整个农耕区域环境、大范围内的土壤质量等级,如果采用以往的评估方式,需要落实到每片土壤进行土壤采集,再实验得到数据结果才能评估的话,这种处理策略效率很低,并且会浪费大量的人力成本,而随着实操的时间增长,很有可能在评估结果出来之前,由于土壤侵蚀实际土壤的质量就已经发生了变化,失去评估意义。
发明内容
本发明提供一种耕地土壤环境质量分区方法及系统,用于解决现有技术中解决了由于土壤侵蚀造成土壤边界划分不准确的技术问题。
根据本发明实施例的一种耕地土壤环境质量分区方法,其特征在于,包括:
获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
进一步地,在获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图之前,所述方法还包括:
获取目标区域的土壤环境图像集合,并对所述土壤环境图像集合中的各个土壤环境图像进行合并,得到目标土壤环境图像。
进一步地,其中,构建所述区域识别模型的过程包括:
获取历史目标土壤环境图像,将所述历史目标土壤环境图像分为训练图像集和优化图像集,其中,所述训练图像集中的历史目标土壤环境图像上标注有各种区域类型,所述优化图像集中的历史目标土壤环境图像为原始土壤环境图像;
建立初始识别模型,将所述训练图像集中的历史目标土壤环境图像输入至所述初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;
将所述优化图像集中的历史目标土壤环境图像输入至所述训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型。
进一步地,所述获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图包括:
获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像中的灰度特征以及纹理特征进行识别;
判断所述目标土壤环境图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;
若成功,则对所述目标土壤环境图像进行区域划分,得到土壤区域布局图。
进一步地,所述根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图包括:
基于泰森多边形划分法对所述至少一个待检测区域进行划分,获取某一栅格对应的泰森多边形;
根据所述某一栅格的环境影响度确定所述某一栅格的类别,并将所述某一栅格的类别作为对应泰森多边形的每条边的聚类属性;
将互为领域且具有相同聚类属性的泰森多边形进行合并,得到目标土壤区域布局图,所述领域为具有相同聚类属性的共享边的泰森多边形。
根据本发明实施例的一种耕地土壤环境质量分区系统,包括:
划分模块,配置为获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
获取模块,配置为对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
判断模块,配置为计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
调整模块,配置为若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
修正模块,配置为若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
本发明还提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的耕地土壤环境质量分区方法。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的耕地土壤环境质量分区方法。
本申请的耕地土壤环境质量分区方法及系统,通过训练好的区域识别模型对目标土壤环境图像进行初步分区,并且计算预设检测窗口在分区后形成的检测路径上滑动时所覆盖的待检测区域的环境影响度,实现了基于环境影响度对当前的边界线进行修正,解决了由于土壤侵蚀造成土壤边界划分不准确的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为本发明一实施例提供的一种耕地土壤环境质量分区方法的流程图;
图2为本发明一个具体实施例的预设检测窗口滑动的轨迹图;
图3为本发明一实施例提供的耕地土壤环境质量分区系统的结构框图;
图4是本发明一实施例提供的电子设备的结构示意图。
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。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。
请参阅图1,其示出了本申请的一种耕地土壤环境质量分区方法的流程图。
如图1所示,耕地土壤环境质量分区方法具体包括步骤S01至步骤S03。
S01、获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图。
在本实施例中,预设的区域识别模型对建立过程具体如下:获取历史目标土壤环境图像,将所述历史目标土壤环境图像分为训练图像集和优化图像集,其中,所述训练图像集中的历史目标土壤环境图像上标注有各种区域类型,所述优化图像集中的历史目标土壤环境图像为原始土壤环境图像;建立初始识别模型,将所述训练图像集中的历史目标土壤环境图像输入至所述初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;将所述优化图像集中的历史目标土壤环境图像输入至所述训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型。
具体地,为了获取目标区域的布局情况,通过采集该区域的遥感图像进行识别,实现通过历史遥感图像构建好区域识别模型,该区域识别模型用于对输入图像进行识别,对输入图像中的各个区域类型进行划分并标注。在实际应用中,为了更好地去区分不同类型的土壤区域,本实施例将所有区域分类为三个类别:优先保护土壤区域、安全利用土壤区域和严格管控土壤区域。
需要说明的是,根据预设的区域识别模型对目标土壤环境图像进行区域类型划分具体为:获取目标区域的目标土壤环境图像,根据预设的区域识别模型对目标土壤环境图像中的灰度特征以及纹理特征进行识别;判断目标土壤环境图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;若成功,则对目标土壤环境图像进行区域划分,得到土壤区域布局图。
S02、对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域。
在本实施例中,基于步骤S01得到的土壤区域布局图,对土壤区域布局图进行栅格化,以土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被预设检测窗口覆盖的至少一个待检测区域。
在一个示例中,如图2所示,预测检测窗口为尺寸固定的圆,且该圆的圆心始终在检测路径(各个区域的边界)上,该圆滑动过程中所覆盖的区域即为待检测区域。
S03、计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值。
在本实施例中,通过获取步骤S02的待检测区域中各个栅格的环境影响度,其中环境影响度为土壤中重金属含量,并判断各个栅格之间的环境影响度的差值是否大于预设阈值。
S04、若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值。
在本实施例中,当至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则说明该待检测区域内土壤的环境质量属于同一等级,即无法对待检测区域进行分区。此时,如图2所示,对预设检测窗口的尺寸进行调整,直至预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,通过调整后的预设检测窗口沿检测路径滑动,能够获取到土壤的环境质量不属于同一等级的待检测区域,从而便于分区。
S05、若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
在本实施例中,若至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则基于泰森多边形划分法对至少一个待检测区域进行划分,获取某一栅格对应的泰森多边形;根据某一栅格的环境影响度确定所述某一栅格的类别,并将某一栅格的类别作为对应泰森多边形的每条边的聚类属性;将互为领域且具有相同聚类属性的泰森多边形进行合并,得到目标土壤区域布局图,所述领域为具有相同聚类属性的共享边的泰森多边形。
需要说明的是,本申请采用的泰森多边形划分法为现有技术,本领域技术人员能够通过查阅资料获知,故在此不做赘述。
综上,本申请的方法,通过训练好的区域识别模型对目标土壤环境图像进行初步分区,并且计算预设检测窗口在分区后形成的检测路径上滑动时所覆盖的待检测区域的环境影响度,实现了基于环境影响度对当前的边界线进行修正,解决了由于土壤侵蚀造成土壤边界划分不准确的问题。
在一个具体实施例中,在获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图之前,方法还包括:获取目标区域的土壤环境图像集合,并对所述土壤环境图像集合中的各个土壤环境图像进行合并,得到目标土壤环境图像。
请参阅图3,其示出了本申请的耕地土壤环境质量分区系统的结构框图。
如图3所示,耕地土壤环境质量分区系统10包括:
划分模块11,配置为获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
获取模块12,配置为对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
判断模块13,配置为计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
调整模块14,配置为若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
修正模块15,配置为若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
应当理解,图3中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序指令被处理器执行时,使所述处理器执行上述任意方法实施例中的耕地土壤环境质量分区方法;
作为一种实施方式,本发明的计算机可读存储介质存储有计算机可执行指令,计算机可执行指令设置为:
获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据耕地土壤环境质量分区系统的使用所创建的数据等。此外,计算机可读存储介质可以包括高速随机存取存储器,还可以包括存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至耕地土壤环境质量分区系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图,如图4所示,该设备包括:一个处理器21以及存储器22。电子设备还可以包括:输入装置23和输出装置24。处理器21、存储器22、输入装置23和输出装置24可以通过总线或者其他方式连接,图4中以通过总线连接为例。存储器22为上述的计算机可读存储介质。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例耕地土壤环境质量分区方法。输入装置23可接收输入的数字或字符信息,以及产生与耕地土壤环境质量分区系统的用户设置以及功能控制有关的键信号输入。输出装置24可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于耕地土壤环境质量分区系统中,用于客户端,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种耕地土壤环境质量分区方法,其特征在于,包括:
获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
2.根据权利要求1所述的一种耕地土壤环境质量分区方法,其特征在于,在获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图之前,所述方法还包括:
获取目标区域的土壤环境图像集合,并对所述土壤环境图像集合中的各个土壤环境图像进行合并,得到目标土壤环境图像。
3.根据权利要求1所述的一种耕地土壤环境质量分区方法,其特征在于,其中,构建所述区域识别模型的过程包括:
获取历史目标土壤环境图像,将所述历史目标土壤环境图像分为训练图像集和优化图像集,其中,所述训练图像集中的历史目标土壤环境图像上标注有各种区域类型,所述优化图像集中的历史目标土壤环境图像为原始土壤环境图像;
建立初始识别模型,将所述训练图像集中的历史目标土壤环境图像输入至所述初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;
将所述优化图像集中的历史目标土壤环境图像输入至所述训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型。
4.根据权利要求1所述的一种耕地土壤环境质量分区方法,其特征在于,所述获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图包括:
获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像中的灰度特征以及纹理特征进行识别;
判断所述目标土壤环境图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;
若成功,则对所述目标土壤环境图像进行区域划分,得到土壤区域布局图。
5.根据权利要求1所述的一种耕地土壤环境质量分区方法,其特征在于,所述根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图包括:
基于泰森多边形划分法对所述至少一个待检测区域进行划分,获取某一栅格对应的泰森多边形;
根据所述某一栅格的环境影响度确定所述某一栅格的类别,并将所述某一栅格的类别作为对应泰森多边形的每条边的聚类属性;
将互为领域且具有相同聚类属性的泰森多边形进行合并,得到目标土壤区域布局图,所述领域为具有相同聚类属性的共享边的泰森多边形。
6.一种耕地土壤环境质量分区系统,其特征在于,包括:
划分模块,配置为获取目标区域的目标土壤环境图像,根据预设的区域识别模型对所述目标土壤环境图像进行区域类型划分,得到土壤区域布局图,其中所述土壤区域布局图中包括优先保护土壤区域、安全利用土壤区域和/或严格管控土壤区域;
获取模块,配置为对所述目标土壤环境图像进行栅格化,并以所述土壤区域布局图中各个区域的边界线为检测路径,基于预设检测窗口在所述检测路径上滑动,得到被所述预设检测窗口覆盖的至少一个待检测区域;
判断模块,配置为计算所述至少一个待检测区域内各个栅格之间的环境影响度,并判断所述至少一个待检测区域中是否存在某两个栅格之间的环境影响度的差值大于预设阈值;
调整模块,配置为若所述至少一个待检测区域中不存在某两个栅格之间的环境影响度的差值大于预设阈值,则对所述预设检测窗口的尺寸进行调整,直至所述预设检测窗口覆盖的待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值;
修正模块,配置为若所述至少一个待检测区域中存在某两个栅格之间的环境影响度的差值大于预设阈值,则根据所述至少一个待检测区域内各个栅格的环境影响度对所述土壤区域布局图中各个区域的边界线进行修正,得到目标土壤区域布局图。
7.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一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,所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210845849.3A CN114998746A (zh) | 2022-07-19 | 2022-07-19 | 一种耕地土壤环境质量分区方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210845849.3A CN114998746A (zh) | 2022-07-19 | 2022-07-19 | 一种耕地土壤环境质量分区方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114998746A true CN114998746A (zh) | 2022-09-02 |
Family
ID=83021757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210845849.3A Pending CN114998746A (zh) | 2022-07-19 | 2022-07-19 | 一种耕地土壤环境质量分区方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998746A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983509A (zh) * | 2023-03-21 | 2023-04-18 | 河北泽润信息科技有限公司 | 基于物联网的智慧农业用布局管理系统及方法 |
CN116500240A (zh) * | 2023-06-21 | 2023-07-28 | 江西索立德环保服务有限公司 | 一种土壤环境质量监测方法、系统及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110133027A (zh) * | 2019-05-14 | 2019-08-16 | 江苏省地质调查研究院 | 一种准确测定耕地重金属污染状况的方法 |
CN110298553A (zh) * | 2019-06-04 | 2019-10-01 | 广州市城市规划勘测设计研究院 | 一种基于gis的国土空间规划方法、系统和设备 |
CN111505241A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市宇驰检测技术股份有限公司 | 企业周边土壤污染等级评定方法、装置、设备及介质 |
CN112070078A (zh) * | 2020-11-16 | 2020-12-11 | 武汉思众空间信息科技有限公司 | 基于深度学习的土地利用分类方法及系统 |
CN112785450A (zh) * | 2020-12-30 | 2021-05-11 | 北京农业信息技术研究中心 | 一种土壤环境质量分区方法及系统 |
CN113112057A (zh) * | 2021-03-29 | 2021-07-13 | 广东省建筑工程监理有限公司 | 一种无人机航测与bim技术结合管理污染场地修复土方量的方法 |
CN113221740A (zh) * | 2021-05-12 | 2021-08-06 | 浙江大学 | 一种农田边界识别方法及系统 |
CN114663764A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 |
-
2022
- 2022-07-19 CN CN202210845849.3A patent/CN114998746A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110133027A (zh) * | 2019-05-14 | 2019-08-16 | 江苏省地质调查研究院 | 一种准确测定耕地重金属污染状况的方法 |
CN110298553A (zh) * | 2019-06-04 | 2019-10-01 | 广州市城市规划勘测设计研究院 | 一种基于gis的国土空间规划方法、系统和设备 |
CN111505241A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市宇驰检测技术股份有限公司 | 企业周边土壤污染等级评定方法、装置、设备及介质 |
CN112070078A (zh) * | 2020-11-16 | 2020-12-11 | 武汉思众空间信息科技有限公司 | 基于深度学习的土地利用分类方法及系统 |
CN112785450A (zh) * | 2020-12-30 | 2021-05-11 | 北京农业信息技术研究中心 | 一种土壤环境质量分区方法及系统 |
CN113112057A (zh) * | 2021-03-29 | 2021-07-13 | 广东省建筑工程监理有限公司 | 一种无人机航测与bim技术结合管理污染场地修复土方量的方法 |
CN113221740A (zh) * | 2021-05-12 | 2021-08-06 | 浙江大学 | 一种农田边界识别方法及系统 |
CN114663764A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983509A (zh) * | 2023-03-21 | 2023-04-18 | 河北泽润信息科技有限公司 | 基于物联网的智慧农业用布局管理系统及方法 |
CN115983509B (zh) * | 2023-03-21 | 2023-06-13 | 河北泽润信息科技有限公司 | 基于物联网的智慧农业用布局管理系统及方法 |
CN116500240A (zh) * | 2023-06-21 | 2023-07-28 | 江西索立德环保服务有限公司 | 一种土壤环境质量监测方法、系统及可读存储介质 |
CN116500240B (zh) * | 2023-06-21 | 2023-12-29 | 江西索立德环保服务有限公司 | 一种土壤环境质量监测方法、系统及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114998746A (zh) | 一种耕地土壤环境质量分区方法及系统 | |
CN106384081B (zh) | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 | |
CN109784391A (zh) | 基于多模型的样本标注方法及装置 | |
CN111126287B (zh) | 一种遥感影像密集目标深度学习检测方法 | |
Kaddah et al. | Optimized minimal path selection (OMPS) method for automatic and unsupervised crack segmentation within two-dimensional pavement images | |
CN107301649B (zh) | 一种基于超像素的区域合并sar图像海岸线检测算法 | |
CN110956207B (zh) | 一种光学遥感影像全要素变化检测方法 | |
CN115482465A (zh) | 基于机器视觉的农作物病虫害预测方法、系统及存储介质 | |
CN113505261B (zh) | 数据标注方法、装置以及数据标注模型训练方法、装置 | |
CN115272860B (zh) | 一种水稻种植区的确定方法、系统、电子设备及存储介质 | |
CN110969200A (zh) | 基于一致性负样本的图像目标检测模型训练方法及装置 | |
Liu et al. | Estimating maize seedling number with UAV RGB images and advanced image processing methods | |
CN115690081A (zh) | 一种树木计数方法、系统、存储介质、计算机设备及终端 | |
CN114842346A (zh) | 遥感图像的变化检测标注方法、装置、系统及存储介质 | |
CN114241326A (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
CN109376619B (zh) | 一种细胞检测方法 | |
CN116822980A (zh) | 一种基矢量引导的典型地表要素智能监测方法及系统 | |
CN113807143A (zh) | 作物连通域的识别方法、装置及作业系统 | |
CN113240340B (zh) | 基于模糊分类的大豆种植区分析方法、装置、设备和介质 | |
Qiu et al. | Object oriented land cover classification combining scale parameter preestimation and mean-shift segmentation | |
CN114155440A (zh) | 一种耕地非农化的自动检测方法及系统 | |
CN116500240B (zh) | 一种土壤环境质量监测方法、系统及可读存储介质 | |
CN114778795B (zh) | 一种基于城市布局的土壤质量等级确定方法及装置 | |
Bock et al. | Remote sensing, formation of objects and determination of quality |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220902 |