CN115082711A - 土壤普查数据处理方法、系统及云平台 - Google Patents
土壤普查数据处理方法、系统及云平台 Download PDFInfo
- Publication number
- CN115082711A CN115082711A CN202211002774.9A CN202211002774A CN115082711A CN 115082711 A CN115082711 A CN 115082711A CN 202211002774 A CN202211002774 A CN 202211002774A CN 115082711 A CN115082711 A CN 115082711A
- Authority
- CN
- China
- Prior art keywords
- image
- soil
- image acquisition
- soil detection
- acquisition device
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 624
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 381
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 8
- 230000000875 corresponding effect Effects 0.000 claims description 418
- 239000011159 matrix material Substances 0.000 claims description 89
- 230000004927 fusion Effects 0.000 claims description 31
- 238000007499 fusion processing Methods 0.000 claims description 18
- 238000005286 illumination Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/70—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
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供的土壤普查数据处理方法、系统及云平台，涉及土壤检测技术领域。在本发明中，针对多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合；针对每一个图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合；针对每一个图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据。基于上述方法，可以改善现有技术中对土壤数据的处理效率较低的问题。
Description
技术领域
本发明涉及土壤检测技术领域，具体而言，涉及一种土壤普查数据处理方法、系统及云平台。
背景技术
在土壤检测技术领域中，基于不同的需求可以进行不同的检测，如可以检测土壤中的元素含量、污染程度等信息。其中，在现有技术中，一般是基于专门的检测设备（如化学仪器等）进行检测，然而，高精度的检测设备一般体积较大且成本较高，使得在对土壤质量进行普查时，由于检测的区域较多，不能通过较多的检测设备分别进行检测，只能通过携带检测设备依次对各区域进行检测，因而，存在效率较低的问题。
发明内容
有鉴于此，本发明的目的在于提供一种土壤普查数据处理方法、系统及云平台，以改善现有技术中对土壤数据的处理效率较低的问题。
为实现上述目的，本发明实施例采用如下技术方案：
一种土壤普查数据处理方法，应用于数据处理云平台，所述数据处理云平台通信连接有多个图像采集设备，所述方法包括：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，且每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合的步骤，包括：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对应的土壤检测区域的区域环境光照变化幅度信息；
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的区域环境光照变化幅度信息生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，对相应的土壤检测区域进行图像采集，得到包括多帧土壤检测图像的土壤图像集合，且每一个所述土壤图像集合包括的土壤检测图像的数量与对应的所述区域环境光照变化幅度信息之间具有关联关系；
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备基于对应的所述图像采集通知信息采集得到的土壤图像集合。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的区域环境光照变化幅度信息生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备的步骤，包括：
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的土壤检测区域的区域环境光照变化幅度信息确定出该图像采集设备对应的目标图像帧数，其中，所述目标图像帧数与所述区域环境光照变化幅度信息之间具有正相关关系；
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，基于所述图像采集通知信息中携带的目标图像帧数对相应的土壤检测区域进行图像采集，得到包括对应数量的多帧土壤检测图像的土壤图像集合。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备的步骤，包括：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对应的土壤检测区域对应的历史土壤普查数据，并基于该历史土壤普查数据表征的历史土壤质量，对该图像采集设备对应的目标图像帧数进行更新处理，得到该图像采集设备对应的目标图像帧数更新值；
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数更新值生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，基于所述图像采集通知信息中携带的目标图像帧数更新值对相应的土壤检测区域进行图像采集，得到包括对应数量的多帧土壤检测图像的土壤图像集合。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合的步骤，包括：
针对每一个所述图像采集设备，分别对该图像采集设备对应的土壤图像集合包括的每一帧土壤检测图像进行清晰度计算处理，得到该图像采集设备对应的每一帧土壤检测图像对应的图像清晰度；
针对每一个所述图像采集设备，基于每一帧土壤检测图像对应的图像清晰度，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对每一个所述图像采集设备，基于每一帧土壤检测图像对应的图像清晰度，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合的步骤，包括：
针对每一个所述图像采集设备，在该图像采集设备对应的土壤图像集合包括的每一帧土壤检测图像对应的图像清晰度中，确定出具有最大值的图像清晰度作为该图像采集设备对应的目标图像清晰度；
针对每一个所述图像采集设备，在该图像采集设备对应的土壤图像集合，确定出该图像采集设备对应的目标图像清晰度对应的每一帧土壤检测图像，并将该土壤检测图像确定为该图像采集设备对应的第一土壤检测图像，以及，统计该图像采集设备对应的第一土壤检测图像的数量，得到该图像采集设备对应的第一图像统计数量；
针对每一个所述图像采集设备，确定该图像采集设备对应的第一图像统计数量与预先配置的图像统计数量阈值之间的相对大小关系；
针对每一个所述图像采集设备，若该图像采集设备对应的第一图像统计数量小于所述图像统计数量阈值，则基于该图像采集设备对应的每一帧第一土壤检测图像，构建得到该图像采集设备对应的目标土壤图像集合；
针对每一个所述图像采集设备，若该图像采集设备对应的第一图像统计数量大于或等于所述图像统计数量阈值，则分别计算该图像采集设备对应的每两帧第一土壤检测图像之间的图像相似度，并分别计算每一帧第一土壤检测图像与每一帧其它第一土壤检测图像之间的图像相似度的平均值，得到每一帧第一土壤检测图像对应的图像相似度均值，以及，基于对应的图像相似度均值最大的所述图像统计数量阈值对应数量的第一土壤检测图像，构建得到该图像采集设备对应的目标土壤图像集合。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据的步骤，包括：
针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度；
针对每一个所述图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像，计算该土壤检测参考图像与该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像之间的图像相似度的平均值，得到该土壤检测参考图像对应的代表相似度；
针对每一个所述图像采集设备，基于该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像对应的代表相似度，对每一帧土壤检测参考图像对应的图像标签信息表征的历史土壤质量进行加权求和计算，得到该图像采集设备对应的土壤检测区域对应的土壤普查数据，其中，每一帧土壤检测参考图像对应的图像标签信息表征的历史土壤质量的加权系数与所述代表相似度的平方值之间正相关。
在一些优选的实施例中，在上述土壤普查数据处理方法中，所述针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度的步骤，包括：
对所述土壤检测图像进行分割，得到所述土壤检测图像对应的多帧土壤检测子图像，并对所述土壤检测参考图像进行分割，得到所述土壤检测参考图像对应的多帧土壤检测参考子图像，其中，所述多帧土壤检测子图像中的每两帧土壤检测子图像之间的图像尺寸相同，且对所述土壤检测图像进行分割的方式和对所述土壤检测参考图像进行分割的方式相同；
针对所述多帧土壤检测子图像中的每一帧土壤检测子图像，基于该土壤检测子图像中的每一个像素位置的像素值，构建得到该土壤检测子图像对应的第一像素值分布矩阵，并针对所述多帧土壤检测参考子图像中的每一帧土壤检测参考子图像，基于该土壤检测参考子图像中的每一个像素位置的像素值，构建得到该土壤检测参考子图像对应的第二像素值分布矩阵；
对所述多帧土壤检测子图像对应的多个第一像素值分布矩阵进行矩阵融合处理，得到对应的第一像素值融合矩阵，并对所述多帧土壤检测参考子图像对应的多个第二像素值分布矩阵进行矩阵融合处理，得到对应的第二像素值融合矩阵，其中，对所述第一像素值分布矩阵进行矩阵融合处理的方式与对所述第二像素值分布矩阵进行矩阵融合处理的方式相同；
针对所述第一像素值融合矩阵中的每一个矩阵元素，计算该矩阵元素与每一个相邻矩阵元素之间的差值的平均值，得到该矩阵元素对应的相邻平均差值，并基于所述第一像素值融合矩阵中的每一个矩阵元素对应的相邻平均差值，确定出每一个矩阵元素对应的矩阵位置具有的矩阵加权系数，其中，所述矩阵加权系数与所述相邻平均差值之间正相关，且每一个矩阵位置对应的矩阵加权系数的和值为1；
对所述第一像素值融合矩阵和所述第二像素值融合矩阵进行求差计算，得到对应的像素值求差矩阵，并基于每一个矩阵位置具有的矩阵加权系数，对所述像素值求差矩阵中的矩阵元素进行加权求和计算，得到所述像素值求差矩阵对应的加权差异值，以及，基于所述加权差异值确定出所述土壤检测图像和所述土壤检测参考图像之间的图像相似度，其中，所述图像相似度与所述加权差异值之间负相关。
本发明实施例还提供一种土壤普查数据处理系统，应用于数据处理云平台，所述数据处理云平台通信连接有多个图像采集设备，所述系统包括：
土壤图像获取模块，用于针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
土壤图像筛选模块，用于针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
土壤图像处理模块，用于确定针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
本发明实施例还提供一种数据处理云平台，所述数据处理云平台通信连接有多个图像采集设备，用于基于所述多个图像采集设备执行以下步骤：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，且每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
本发明实施例提供的一种土壤普查数据处理方法、系统及云平台，可以先针对每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，然后，可以针对每一个图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，使得可以针对每一个图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据。基于此，一方面，可以基于多个图像采集设备（图像采集设备便于携带且成本相对较低）进行图像采集，以提高土壤质量检测的效率，另一方面，通过对采集的土壤检测图像进行筛选，可以减少后续处理的计算量，也可以提高土壤质量检测的效率，从而改善现有技术中对土壤数据的处理效率较低的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的数据处理云平台的结构框图。
图2为本发明实施例提供的土壤普查数据处理方法包括的各步骤的流程示意图。
图3为本发明实施例提供的土壤普查数据处理系统包括的各模块的示意图。
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，所描述的实施例只是本发明的一部分实施例，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。
如图1所示，本发明实施例提供了一种数据处理云平台。其中，所述数据处理云平台可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例（如后文所述）提供的土壤普查数据处理方法。
具体而言，在一些可能的实施方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（ErasableProgrammable Read-Only Memory，EPROM），电可擦除只读存储器（Electric ErasableProgrammable Read-Only Memory，EEPROM）等。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（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。
并且，图1所示的结构仅为示意，所述数据处理云平台还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，可以包括用于与其它设备（如图像采集设备）进行信息交互的通信单元。
具体而言，在一些可能的实施方式中，所述数据处理云平台可以是一种具备数据处理能力的服务器。
结合图2，本发明实施例还提供一种土壤普查数据处理方法，可应用于上述数据处理云平台。其中，所述土壤普查数据处理方法有关的流程所定义的方法步骤，可以由所述数据处理云平台实现。并且，所述数据处理云平台通信连接有多个图像采集设备。下面将对图2所示的流程，进行阐述。
步骤S110，针对多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合。
在本发明实施例中，所述数据处理云平台可以针对多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合。其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应（需要补充说明的是，在本文中描述的“相应的”和“对应的”含义相同），即一个图像采集设备对应一个土壤检测区域。
步骤S120，针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合。
在本发明实施例中，所述数据处理云平台可以针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合。其中，所述目标土壤图像集合包括至少一帧土壤检测图像。
步骤S130，针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据。
在本发明实施例中，所述数据处理云平台可以针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据。其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量（其中，所述土壤质量的具体内容不受限制，只要是基于不同的土壤质量会使得土壤的颜色、颗粒大小等外部特征发生变化的应用场景都可以，采用本发明提高的技术方案），且每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息（并且，每两帧所述土壤检测参考图像对应的历史土壤质量可以不同，如从低到高依次分布等）。
基于上述的土壤普查数据处理方法包括的各步骤，可以先针对每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，然后，可以针对每一个图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，使得可以针对每一个图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据。基于此，一方面，可以基于多个图像采集设备（图像采集设备便于携带且成本相对较低）进行图像采集，以提高土壤质量检测的效率，另一方面，通过对采集的土壤检测图像进行筛选，可以减少后续处理的计算量，也可以提高土壤质量检测的效率，从而改善现有技术中对土壤数据的处理效率较低的问题。
具体而言，在一些可能的实施方式中，步骤S110可以包括以下内容：
首先，针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对应的土壤检测区域的区域环境光照变化幅度信息；
其次，针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的区域环境光照变化幅度信息生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，对相应的土壤检测区域进行图像采集，得到包括多帧土壤检测图像的土壤图像集合，且每一个所述土壤图像集合包括的土壤检测图像的数量与对应的所述区域环境光照变化幅度信息之间具有关联关系；
然后，针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备基于对应的所述图像采集通知信息（携带的所述区域环境光照变化幅度信息）采集得到的土壤图像集合。
具体而言，在一些可能的实施方式中，所述针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的区域环境光照变化幅度信息生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备的步骤，可以包括以下内容：
首先，针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的土壤检测区域的区域环境光照变化幅度信息确定出该图像采集设备对应的目标图像帧数，其中，所述目标图像帧数与所述区域环境光照变化幅度信息（光照强度的变化幅度）之间具有正相关关系；
其次，针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，基于所述图像采集通知信息中携带的目标图像帧数对相应的土壤检测区域进行图像采集，得到包括对应数量的多帧土壤检测图像的土壤图像集合。
具体而言，在一些可能的实施方式中，所述针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备的步骤，可以包括以下内容：
首先，针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对应的土壤检测区域对应的历史土壤普查数据，并基于该历史土壤普查数据表征的历史土壤质量，对该图像采集设备对应的目标图像帧数进行更新处理，得到该图像采集设备对应的目标图像帧数更新值；
其次，针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数更新值生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，基于所述图像采集通知信息中携带的目标图像帧数更新值对相应的土壤检测区域进行图像采集，得到包括对应数量的多帧土壤检测图像的土壤图像集合。
具体而言，在一些可能的实施方式中，步骤S120可以包括以下内容：
首先，针对每一个所述图像采集设备，分别对该图像采集设备对应的土壤图像集合包括的每一帧土壤检测图像进行清晰度计算处理，得到该图像采集设备对应的每一帧土壤检测图像对应的图像清晰度；
其次，针对每一个所述图像采集设备，基于每一帧土壤检测图像对应的图像清晰度，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合。
具体而言，在一些可能的实施方式中，所述针对每一个所述图像采集设备，基于每一帧土壤检测图像对应的图像清晰度，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合的步骤，可以包括以下内容：
首先，针对每一个所述图像采集设备，在该图像采集设备对应的土壤图像集合包括的每一帧土壤检测图像对应的图像清晰度中，确定出具有最大值的图像清晰度作为该图像采集设备对应的目标图像清晰度；
其次，针对每一个所述图像采集设备，在该图像采集设备对应的土壤图像集合，确定出该图像采集设备对应的目标图像清晰度对应的每一帧土壤检测图像，并将该土壤检测图像确定为该图像采集设备对应的第一土壤检测图像，以及，统计该图像采集设备对应的第一土壤检测图像的数量，得到该图像采集设备对应的第一图像统计数量；
然后，针对每一个所述图像采集设备，确定该图像采集设备对应的第一图像统计数量与预先配置的图像统计数量阈值之间的相对大小关系；
之后，针对每一个所述图像采集设备，若该图像采集设备对应的第一图像统计数量小于所述图像统计数量阈值（如所述图像统计数量阈值可以为2），则基于该图像采集设备对应的每一帧第一土壤检测图像，构建得到该图像采集设备对应的目标土壤图像集合；
最后，针对每一个所述图像采集设备，若该图像采集设备对应的第一图像统计数量大于或等于所述图像统计数量阈值，则分别计算该图像采集设备对应的每两帧第一土壤检测图像之间的图像相似度，并分别计算每一帧第一土壤检测图像与每一帧其它第一土壤检测图像之间的图像相似度的平均值，得到每一帧第一土壤检测图像对应的图像相似度均值，以及，基于对应的图像相似度均值最大的所述图像统计数量阈值对应数量的第一土壤检测图像，构建得到该图像采集设备对应的目标土壤图像集合。
具体而言，在一些可能的实施方式中，步骤S130可以包括以下内容：
首先，针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度；
其次，针对每一个所述图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像，计算该土壤检测参考图像与该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像之间的图像相似度的平均值，得到该土壤检测参考图像对应的代表相似度；
然后，针对每一个所述图像采集设备，基于该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像对应的代表相似度，对每一帧土壤检测参考图像对应的图像标签信息表征的历史土壤质量进行加权求和计算，得到该图像采集设备对应的土壤检测区域对应的土壤普查数据，其中，每一帧土壤检测参考图像对应的图像标签信息表征的历史土壤质量的加权系数与所述代表相似度的平方值之间正相关（每一帧土壤检测参考图像对应的加权系数的和值可以为1）。
具体而言，在一些可能的实施方式中，所述针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度的步骤，可以包括以下内容：
首先，对所述土壤检测图像进行分割，得到所述土壤检测图像对应的多帧土壤检测子图像，并对所述土壤检测参考图像进行分割，得到所述土壤检测参考图像对应的多帧土壤检测参考子图像，其中，所述多帧土壤检测子图像中的每两帧土壤检测子图像之间的图像尺寸相同，对所述土壤检测图像进行分割的方式和对所述土壤检测参考图像进行分割的方式相同；
其次，针对所述多帧土壤检测子图像中的每一帧土壤检测子图像，基于该土壤检测子图像中的每一个像素位置的像素值，构建得到该土壤检测子图像对应的第一像素值分布矩阵，并针对所述多帧土壤检测参考子图像中的每一帧土壤检测参考子图像，基于该土壤检测参考子图像中的每一个像素位置的像素值，构建得到该土壤检测参考子图像对应的第二像素值分布矩阵（例如，所述第二像素值分布矩阵的行列数量与所述土壤检测参考子图像的行列数量相同）；
然后，对所述多帧土壤检测子图像对应的多个第一像素值分布矩阵进行矩阵融合处理（如针对每一个矩阵位置，计算该矩阵位置在每一个第一像素值分布矩阵中的矩阵元素的平均值，得到所述第一像素值融合矩阵中该矩阵位置的矩阵元素），得到对应的第一像素值融合矩阵，并对所述多帧土壤检测参考子图像对应的多个第二像素值分布矩阵进行矩阵融合处理，得到对应的第二像素值融合矩阵（如前所述），其中，对所述第一像素值分布矩阵进行矩阵融合处理的方式与对所述第二像素值分布矩阵进行矩阵融合处理的方式相同；
之后，针对所述第一像素值融合矩阵中的每一个矩阵元素，计算该矩阵元素与每一个相邻矩阵元素之间的差值的平均值，得到该矩阵元素对应的相邻平均差值，并基于所述第一像素值融合矩阵中的每一个矩阵元素对应的相邻平均差值，确定出每一个矩阵元素对应的矩阵位置具有的矩阵加权系数，其中，所述矩阵加权系数与所述相邻平均差值之间正相关，且每一个矩阵位置对应的矩阵加权系数的和值为1；
最后，对所述第一像素值融合矩阵和所述第二像素值融合矩阵进行求差计算（如针对每一个矩阵位置，计算该矩阵位置在所述第一像素值融合矩阵和所述第二像素值融合矩阵中的矩阵元素的差值，得到所述像素值求差矩阵中该矩阵位置的矩阵元素），得到对应的像素值求差矩阵，并基于每一个矩阵位置具有的矩阵加权系数，对所述像素值求差矩阵中的矩阵元素进行加权求和计算，得到像素值求差矩阵对应的加权差异值，以及，基于所述加权差异值确定出所述土壤检测图像和所述土壤检测参考图像之间的图像相似度，其中，所述图像相似度与所述加权差异值之间负相关。
具体而言，在一些可能的实施方式中，所述针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度的步骤，可以包括以下内容：
首先，对所述土壤检测图像进行分割，得到所述土壤检测图像对应的多帧土壤检测子图像，并对所述土壤检测参考图像进行分割，得到所述土壤检测参考图像对应的多帧土壤检测参考子图像，其中，所述多帧土壤检测子图像中的每两帧土壤检测子图像之间的图像尺寸相同，对所述土壤检测图像进行分割的方式和对所述土壤检测参考图像进行分割的方式相同；
其次，对所述多帧土壤检测子图像进行融合处理，得到对应的土壤检测融合子图像，并对所述多帧土壤检测参考子图像进行融合处理，得到对应的土壤检测参考融合子图像，其中，对多帧土壤检测子图像进行融合处理的方式与对多帧土壤检测参考子图像进行融合处理的方式相同；
然后，基于所述土壤检测融合子图像中的每一个像素位置对应的像素值，按照预先确定的排序路径进行排序，得到所述土壤检测融合子图像对应的第一像素值序列，并基于所述土壤检测参考融合子图像中的每一个像素位置对应的像素值，按照预先确定的排序路径进行排序，得到所述土壤检测参考融合子图像对应的第二像素值序列；
之后，针对所述第一像素值序列中的每一个像素值，基于该像素值在所述第一像素值序列中的第一序列位置序号，确定该像素值对应的第一优先系数，并计算该像素值与预先配置的参考像素值之间的差值，得到对应的第一差值，以及，基于该第一差值确定该像素值对应的第二优先系数，其中，所述第一优先系数与所述第一序列位置序号之间正相关，所述第二优先系数与所述第一差值之间负相关；
进一步，针对所述第二像素值序列中的每一个像素值，基于该像素值在所述第二像素值序列中的第二序列位置序号，确定该像素值对应的第三优先系数，并计算该像素值所述参考像素值之间的差值，得到对应的第二差值，以及，基于该第二差值确定该像素值对应的第四优先系数，其中，所述第三优先系数与所述第二序列位置序号之间正相关，所述第四优先系数与所述第二差值之间负相关；
再进一步，针对所述第一像素值序列中的每一个像素值，对该像素值对应的所述第一优先系数和所述第二优先系数进行融合处理（如计算加权均值等），得到该像素值对应的第一融合优先系数，并基于对应的所述第一融合优先系数，对所述第一像素值序列中的每一个像素值进行排序，得到所述第一像素值序列对应的所述第一像素值更新序列；
再进一步，针对所述第二像素值序列中的每一个像素值，对该像素值对应的所述第三优先系数和所述第四优先系数进行融合处理，得到该像素值对应的第二融合优先系数，并基于对应的所述第二融合优先系数，对所述第二像素值序列中的每一个像素值进行排序，得到所述第二像素值序列对应的所述第二像素值更新序列；
最后，计算所述第一像素值序列和所述第二像素值序列之间的序列相似度（可以参照现有技术中对序列之间的相似度的计算方式等），得到对应的第一序列相似度，并计算所述第一像素值更新序列和所述第二像素值更新序列之间的序列相似度，得到对应的第二序列相似度，以及，计算所述第一序列相似度和所述第二序列相似度的平均值，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度。
结合图3，本发明实施例还提供一种土壤普查数据处理系统，可应用于上述数据处理云平台。其中，所述土壤普查数据处理系统可以包括：
土壤图像获取模块，用于针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
土壤图像筛选模块，用于针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
土壤图像处理模块，用于确定针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
综上所述，本发明提供的一种土壤普查数据处理方法、系统及云平台，可以先针对每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，然后，可以针对每一个图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，使得可以针对每一个图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据。基于此，一方面，可以基于多个图像采集设备（图像采集设备便于携带且成本相对较低）进行图像采集，以提高土壤质量检测的效率，另一方面，通过对采集的土壤检测图像进行筛选，可以减少后续处理的计算量，也可以提高土壤质量检测的效率，从而改善现有技术中对土壤数据的处理效率较低的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种土壤普查数据处理方法，其特征在于，应用于数据处理云平台，所述数据处理云平台通信连接有多个图像采集设备，所述方法包括：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，且每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
2.如权利要求1所述的土壤普查数据处理方法，其特征在于，所述针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合的步骤，包括：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对应的土壤检测区域的区域环境光照变化幅度信息；
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的区域环境光照变化幅度信息生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，对相应的土壤检测区域进行图像采集，得到包括多帧土壤检测图像的土壤图像集合，且每一个所述土壤图像集合包括的土壤检测图像的数量与对应的所述区域环境光照变化幅度信息之间具有关联关系；
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备基于对应的所述图像采集通知信息采集得到的土壤图像集合。
3.如权利要求2所述的土壤普查数据处理方法，其特征在于，所述针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的区域环境光照变化幅度信息生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备的步骤，包括：
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的土壤检测区域的区域环境光照变化幅度信息确定出该图像采集设备对应的目标图像帧数，其中，所述目标图像帧数与所述区域环境光照变化幅度信息之间具有正相关关系；
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，基于所述图像采集通知信息中携带的目标图像帧数对相应的土壤检测区域进行图像采集，得到包括对应数量的多帧土壤检测图像的土壤图像集合。
4.如权利要求3所述的土壤普查数据处理方法，其特征在于，所述针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备的步骤，包括：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对应的土壤检测区域对应的历史土壤普查数据，并基于该历史土壤普查数据表征的历史土壤质量，对该图像采集设备对应的目标图像帧数进行更新处理，得到该图像采集设备对应的目标图像帧数更新值；
针对所述多个图像采集设备中的每一个图像采集设备，基于该图像采集设备对应的目标图像帧数更新值生成该图像采集设备对应的图像采集通知信息，并将所述图像采集通知信息发送给该图像采集设备，其中，所述图像采集设备用于在接收到对应的所述图像采集通知信息之后，基于所述图像采集通知信息中携带的目标图像帧数更新值对相应的土壤检测区域进行图像采集，得到包括对应数量的多帧土壤检测图像的土壤图像集合。
5.如权利要求1所述的土壤普查数据处理方法，其特征在于，所述针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合的步骤，包括：
针对每一个所述图像采集设备，分别对该图像采集设备对应的土壤图像集合包括的每一帧土壤检测图像进行清晰度计算处理，得到该图像采集设备对应的每一帧土壤检测图像对应的图像清晰度；
针对每一个所述图像采集设备，基于每一帧土壤检测图像对应的图像清晰度，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合。
6.如权利要求5所述的土壤普查数据处理方法，其特征在于，所述针对每一个所述图像采集设备，基于每一帧土壤检测图像对应的图像清晰度，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合的步骤，包括：
针对每一个所述图像采集设备，在该图像采集设备对应的土壤图像集合包括的每一帧土壤检测图像对应的图像清晰度中，确定出具有最大值的图像清晰度作为该图像采集设备对应的目标图像清晰度；
针对每一个所述图像采集设备，在该图像采集设备对应的土壤图像集合，确定出该图像采集设备对应的目标图像清晰度对应的每一帧土壤检测图像，并将该土壤检测图像确定为该图像采集设备对应的第一土壤检测图像，以及，统计该图像采集设备对应的第一土壤检测图像的数量，得到该图像采集设备对应的第一图像统计数量；
针对每一个所述图像采集设备，确定该图像采集设备对应的第一图像统计数量与预先配置的图像统计数量阈值之间的相对大小关系；
针对每一个所述图像采集设备，若该图像采集设备对应的第一图像统计数量小于所述图像统计数量阈值，则基于该图像采集设备对应的每一帧第一土壤检测图像，构建得到该图像采集设备对应的目标土壤图像集合；
针对每一个所述图像采集设备，若该图像采集设备对应的第一图像统计数量大于或等于所述图像统计数量阈值，则分别计算该图像采集设备对应的每两帧第一土壤检测图像之间的图像相似度，并分别计算每一帧第一土壤检测图像与每一帧其它第一土壤检测图像之间的图像相似度的平均值，得到每一帧第一土壤检测图像对应的图像相似度均值，以及，基于对应的图像相似度均值最大的所述图像统计数量阈值对应数量的第一土壤检测图像，构建得到该图像采集设备对应的目标土壤图像集合。
7.如权利要求1-6任意一项所述的土壤普查数据处理方法，其特征在于，所述针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据的步骤，包括：
针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度；
针对每一个所述图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像，计算该土壤检测参考图像与该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像之间的图像相似度的平均值，得到该土壤检测参考图像对应的代表相似度；
针对每一个所述图像采集设备，基于该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像对应的代表相似度，对每一帧土壤检测参考图像对应的图像标签信息表征的历史土壤质量进行加权求和计算，得到该图像采集设备对应的土壤检测区域对应的土壤普查数据，其中，每一帧土壤检测参考图像对应的图像标签信息表征的历史土壤质量的加权系数与所述代表相似度的平方值之间正相关。
8.如权利要求7所述的土壤普查数据处理方法，其特征在于，所述针对每一个所述图像采集设备，分别计算该图像采集设备对应的目标土壤图像集合中的每一帧土壤检测图像和对应的土壤检测区域对应的多帧土壤检测参考图像中的每一帧土壤检测参考图像之间的相似度，得到所述土壤检测图像和所述土壤检测参考图像之间的图像相似度的步骤，包括：
对所述土壤检测图像进行分割，得到所述土壤检测图像对应的多帧土壤检测子图像，并对所述土壤检测参考图像进行分割，得到所述土壤检测参考图像对应的多帧土壤检测参考子图像，其中，所述多帧土壤检测子图像中的每两帧土壤检测子图像之间的图像尺寸相同，且对所述土壤检测图像进行分割的方式和对所述土壤检测参考图像进行分割的方式相同；
针对所述多帧土壤检测子图像中的每一帧土壤检测子图像，基于该土壤检测子图像中的每一个像素位置的像素值，构建得到该土壤检测子图像对应的第一像素值分布矩阵，并针对所述多帧土壤检测参考子图像中的每一帧土壤检测参考子图像，基于该土壤检测参考子图像中的每一个像素位置的像素值，构建得到该土壤检测参考子图像对应的第二像素值分布矩阵；
对所述多帧土壤检测子图像对应的多个第一像素值分布矩阵进行矩阵融合处理，得到对应的第一像素值融合矩阵，并对所述多帧土壤检测参考子图像对应的多个第二像素值分布矩阵进行矩阵融合处理，得到对应的第二像素值融合矩阵，其中，对所述第一像素值分布矩阵进行矩阵融合处理的方式与对所述第二像素值分布矩阵进行矩阵融合处理的方式相同；
针对所述第一像素值融合矩阵中的每一个矩阵元素，计算该矩阵元素与每一个相邻矩阵元素之间的差值的平均值，得到该矩阵元素对应的相邻平均差值，并基于所述第一像素值融合矩阵中的每一个矩阵元素对应的相邻平均差值，确定出每一个矩阵元素对应的矩阵位置具有的矩阵加权系数，其中，所述矩阵加权系数与所述相邻平均差值之间正相关，且每一个矩阵位置对应的矩阵加权系数的和值为1；
对所述第一像素值融合矩阵和所述第二像素值融合矩阵进行求差计算，得到对应的像素值求差矩阵，并基于每一个矩阵位置具有的矩阵加权系数，对所述像素值求差矩阵中的矩阵元素进行加权求和计算，得到所述像素值求差矩阵对应的加权差异值，以及，基于所述加权差异值确定出所述土壤检测图像和所述土壤检测参考图像之间的图像相似度，其中，所述图像相似度与所述加权差异值之间负相关。
9.一种土壤普查数据处理系统，其特征在于，应用于数据处理云平台，所述数据处理云平台通信连接有多个图像采集设备，所述系统包括：
土壤图像获取模块，用于针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
土壤图像筛选模块，用于针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
土壤图像处理模块，用于确定针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
10.一种数据处理云平台，其特征在于，所述数据处理云平台通信连接有多个图像采集设备，并用于基于所述多个图像采集设备执行以下步骤：
针对所述多个图像采集设备中的每一个图像采集设备，获取该图像采集设备对相应的土壤检测区域进行图像采集得到的土壤图像集合，其中，每一个所述土壤图像集合包括多帧土壤检测图像，且所述多个图像采集设备与多个所述土壤检测区域之间一一对应；
针对每一个所述图像采集设备，对该图像采集设备对应的土壤图像集合进行筛选，得到该图像采集设备对应的目标土壤图像集合，其中，所述目标土壤图像集合包括至少一帧土壤检测图像；
针对每一个所述图像采集设备，基于该图像采集设备对应的目标土壤图像集合包括的土壤检测图像和该图像采集设备对应的土壤检测区域对应的多帧土壤检测参考图像，确定出该图像采集设备对应的土壤检测区域对应的土壤普查数据,其中，所述土壤普查数据用于表征对应的土壤检测区域的土壤质量，且每一帧所述土壤检测参考图像具有表征对应的土壤检测区域的历史土壤质量的图像标签信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211002774.9A CN115082711B (zh) | 2022-08-22 | 2022-08-22 | 土壤普查数据处理方法、系统及云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211002774.9A CN115082711B (zh) | 2022-08-22 | 2022-08-22 | 土壤普查数据处理方法、系统及云平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115082711A true CN115082711A (zh) | 2022-09-20 |
| CN115082711B CN115082711B (zh) | 2022-11-11 |
Family
ID=83244911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211002774.9A Active CN115082711B (zh) | 2022-08-22 | 2022-08-22 | 土壤普查数据处理方法、系统及云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115082711B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104851098A (zh) * | 2015-05-22 | 2015-08-19 | 天津大学 | 基于改进结构相似度的立体图像质量客观评价方法 |
| WO2021168755A1 (zh) * | 2020-02-27 | 2021-09-02 | Oppo广东移动通信有限公司 | 图像处理方法、装置及设备 |
| CN113837242A (zh) * | 2021-09-03 | 2021-12-24 | 刘伟 | 一种土壤元素含量检测方法及系统 |
| CN113869327A (zh) * | 2021-09-03 | 2021-12-31 | 刘伟 | 一种基于土壤元素含量检测的数据处理方法及系统 |
| CN114677615A (zh) * | 2022-02-16 | 2022-06-28 | 陈文瑞 | 一种环境检测方法和检测系统 |
-
2022
- 2022-08-22 CN CN202211002774.9A patent/CN115082711B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104851098A (zh) * | 2015-05-22 | 2015-08-19 | 天津大学 | 基于改进结构相似度的立体图像质量客观评价方法 |
| WO2021168755A1 (zh) * | 2020-02-27 | 2021-09-02 | Oppo广东移动通信有限公司 | 图像处理方法、装置及设备 |
| CN113837242A (zh) * | 2021-09-03 | 2021-12-24 | 刘伟 | 一种土壤元素含量检测方法及系统 |
| CN113869327A (zh) * | 2021-09-03 | 2021-12-31 | 刘伟 | 一种基于土壤元素含量检测的数据处理方法及系统 |
| CN114677615A (zh) * | 2022-02-16 | 2022-06-28 | 陈文瑞 | 一种环境检测方法和检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115082711B (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113658192B (zh) | 一种多目标行人的轨迹获取方法、系统、装置及介质 | |
| CN114581856B (zh) | 基于北斗系统的农业机组运动状态识别方法、系统及云平台 | |
| CN110827269B (zh) | 农作物生长变化状况检测方法、装置、设备及介质 | |
| CN103581620A (zh) | 图像处理设备、图像处理方法及程序 | |
| CN115018840B (zh) | 精密铸件裂纹检测方法、系统及装置 | |
| CN105869175A (zh) | 一种图像分割方法及系统 | |
| CN114140713A (zh) | 一种图像识别系统、图像识别方法 | |
| CN112396635A (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
| CN114697618A (zh) | 一种基于移动终端的楼宇控制方法及系统 | |
| CN115908407A (zh) | 基于红外图像温度值的电力设备缺陷检测方法及装置 | |
| CN115880260A (zh) | 基站施工的检测方法、装置、设备及计算机可读存储介质 | |
| CN115222717A (zh) | 一种大豆种荚快速计数方法、装置及存储介质 | |
| US20160070970A1 (en) | Architecture and method for real-time parallel detection and extraction of maximally stable extremal regions (msers) | |
| CN113949881A (zh) | 一种基于智慧城市数据的业务处理方法及系统 | |
| CN115082711B (zh) | 土壤普查数据处理方法、系统及云平台 | |
| CN113902993A (zh) | 一种基于环境监测的环境状态分析方法及系统 | |
| CN113837202A (zh) | 特征点的提取方法、图像的重建方法及装置 | |
| CN114139016A (zh) | 一种智慧小区的数据处理方法及系统 | |
| CN115424193A (zh) | 一种训练图像信息处理的方法及系统 | |
| CN114677615A (zh) | 一种环境检测方法和检测系统 | |
| CN115375886A (zh) | 一种基于云计算服务的数据采集方法及系统 | |
| CN115272972A (zh) | 一种基于遥感的人居环境监控方法及系统 | |
| CN114720812A (zh) | 一种配电网故障处理与故障定位的方法及系统 | |
| CN114095734A (zh) | 一种基于数据处理的用户数据压缩方法及系统 | |
| CN111912349A (zh) | 显示基板的检测方法及系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Soil Census Data Processing Methods, Systems, and Cloud Platforms Effective date of registration: 20230411 Granted publication date: 20221111 Pledgee: Bank of China Limited by Share Ltd. Guangzhou Panyu branch Pledgor: GUANGDONG XINHEDAO INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2023980037768 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20221111 Pledgee: Bank of China Limited by Share Ltd. Guangzhou Panyu branch Pledgor: GUANGDONG XINHEDAO INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2023980037768 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Soil survey data processing methods, systems, and cloud platforms Granted publication date: 20221111 Pledgee: Bank of China Limited by Share Ltd. Guangzhou Panyu branch Pledgor: GUANGDONG XINHEDAO INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2024980010117 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |