(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210070630.0 (22)申请日 2022.01.21 (71)申请人 扬州大学 地址 225009 江苏省扬州市大 学南路88号 (72)发明人 高辉　刘涛　徐强　窦志　张洪程　 吴飞　蒋榕　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 专利代理师 张明浩 (51)Int.Cl. G06V 20/17(2022.01) G06V 20/68(2022.01) G06V 10/28(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种稻虾种养系统沟坑占比航测方法 (57)摘要 本发明公开了一种稻虾种养系统沟坑占比 航测方法， 包括步骤： 利用无人机获取稻虾种养 系统的正射影像图； 构建沟坑识别样本集和沟坑 类型识别样 本集； 训练沟坑识别模 型和沟坑类型 识别模型； 对待测稻虾种养系统进行沟坑识别， 并对沟坑类型进行识别； 提取沟坑区域， 计算沟 坑占比。 本发 明利用图像处理技术实现了沟坑占 比测量和沟坑类型统计， 解决了由于稻虾种养系 统沟坑形状复杂多元且不规则导致的实地量测 耗时费力以及偏差大、 分类计算难以开展的问 题。 权利要求书1页 说明书5页 附图4页 CN 114550010 A 2022.05.27 CN 114550010 A 1.一种稻虾种养系统沟坑占比航测方法， 其特 征在于， 包括以下步骤： 步骤1： 利用无 人机拍摄稻虾种养系统的全景影 像， 以获取全景影 像数据； 步骤2： 对 全景影像数据进行 预处理， 生成整个稻虾种养系统的正 射影像图； 步骤3： 将正射影像图裁剪为若干相同大小的图像样本， 并将图像样本分为含有沟坑和 不含有沟坑的两类， 以构建沟坑识别样本集； 对于含有沟坑的图像样 本， 将其按照沟坑类型 分成多类， 以构建沟坑类型识别样本集； 步骤4： 利用沟坑识别样本集训练沟坑识别 模型， 并利用沟坑类型识别样本集训练沟坑 类型识别模型； 步骤5： 对于待测稻虾种养系统， 将其正射影像图裁剪为和图像样本大小相同的若干待 测图像， 将待测图像逐一输入沟坑识别模型中以判断该待测图像是否含有沟 坑， 对于含有 沟坑的待测图像， 将其输入沟坑类型识别模型中进一 步判断沟坑类型； 步骤6： 对于含有沟坑的待测图像， 分别获取其沟坑区域所占的像素数， 并将各沟坑区 域的像素数总和与待测稻虾种养系统正射影像图的像素数总和间的比值作为待测稻虾种 养系统的沟坑占比。 2.如权利要求1所述的一种稻虾种养系统沟坑占比航测方法， 其特征在于， 步骤1中， 无 人机的飞行高度为300米， 图像获取方式为垂直获取， 影像格式为RGB， 飞行航线重复率为 70％， 航点重复率 为65％， 图像分辨 率不小于20 00万像素。 3.如权利要求1所述的一种稻虾种养系统沟坑占比航测方法， 其特征在于， 步骤2中， 将 获取的全景影像数据导入Agisoft  Photoscan软件中， 进行图像的对齐和拼接以生成整个 稻虾种养系统的正射影像图； 在Agisoft  Photoscan软件中， 将图像对齐精度设置为 Medium， 点云密度设置为 Low， 空间三角形 数量设置为 Little， 空间位置校准设置为RTK。 4.如权利要求1所述的一种稻虾种养系统沟坑占比航测方法， 其特征在于， 步骤4中， 对 于沟坑识别样本集中的每个图像样本， 提取其超绿特征、 绿红差值指数、 归一化绿度指数构 成沟坑区域特 征， 用来训练随机森林二分类模型并将其作为沟坑识别模型； 超绿特征的计算公式为： ExG＝2G ‑R‑B， 绿红差值指数的计算公式为： GMR＝G ‑R， 归一化绿度指数的计算公式为： b＝B/(R+G+B)， 其中， R、 G、 B分别表示图像的R通道、 G通道、 B通道。 5.如权利要求1所述的一种稻虾种养系统沟坑占比航测方法， 其特征在于， 步骤4中， 对 于沟坑类型识别样本集中的每个图像样本， 首先将其灰度化， 然后通过最大类间方差法进 行二值化， 将图像分为沟坑区域和非沟坑区域， 获取沟坑区域的最小外接矩形的长宽比、 沟 坑区域在整个图像中的面积占比以及二值图像的最小二阶矩构成沟坑类型特征， 用来训练 随机森林多分类模型并将其作为沟坑类型识别模型； 其中， 最小二阶矩的计算公式为： p(i,j)表示二值图像第i行第j列的像素值， n、 m分别为二值图像 的总行数和总列数。权　利　要　求　书 1/1 页 2 CN 114550010 A 2一种稻虾种养系统沟坑占比航测方 法 技术领域 [0001]本发明属于无人机航测技术领域， 具体涉及一种稻虾种养系统沟坑占比航测方 法。 背景技术 [0002]稻虾综合种养是指充分利用稻田水土资源进行水稻种植和克氏原螯虾养殖的低 碳绿色生产模式， 由于其较高的综合效益， 稻 虾综合种养总面积近年来得到快速增长。 稻 虾 综合种养区别于传统稻作最显著的特征是需要在稻田中开挖沟坑， 用于为克氏原螯虾提供 繁殖、 暂养和栖息地。 [0003]为尽可能减少稻虾综合种养对水稻生产的影响， 沟坑占比须要不超过10％。 然而， 经调研发现， 一些地区种养户盲目扩 大稻虾种养系统的沟坑占比， 致使 “种” “养”天平失衡、 重心偏移， 不仅较大比例占用、 破损了耕地资源， 也 直接威胁到正常的粮食生产。 [0004]为保障粮食生产和耕地资源不被破坏， 需要对稻虾综合种养的沟坑占比进行监测 以规范生产。 然而目前， 稻 虾种养系统沟坑占比量测长期 靠人工目测和简易设备现场进行， 单日量测效率低， 由于稻虾种养系统沟坑形状繁杂多元、 不规则， 存在实地量测耗时费力、 偏差大、 分类 计算难以开展的技 术瓶颈问题。 发明内容 [0005]本发明针对现有技术中的不足， 提供一种稻虾种养系统沟坑占比航测方法， 以解 决传统实地 量测方法效率低、 精度劣、 误差大的问题。 [0006]为实现上述目的， 本发明采用以下技 术方案： [0007]一种稻虾种养系统沟坑占比航测方法， 包括以下步骤： [0008]步骤1： 利用无 人机拍摄稻虾种养系统的全景影 像， 以获取全景影 像数据； [0009]步骤2： 对 全景影像数据进行 预处理， 生成整个稻虾种养系统的正 射影像图； [0010]步骤3： 将正射影像图裁剪为若干相同大小的图像样本， 并将图像样本分为含有沟 坑和不含有沟坑的两类， 以构建沟坑识别样本集； 对于含有沟坑的图像样本， 将其按照沟坑 类型分成多类， 以构建沟坑类型识别样本集； [0011]步骤4： 利用沟坑识别 样本集训练沟坑识别模型， 并利用沟坑类型识别 样本集训练 沟坑类型识别模型； [0012]步骤5： 对于待测稻虾种养系统， 将其正射影像图裁剪为和图像样本大小相同的若 干待测图像， 将待测图像逐一输入沟 坑识别模型中 以判断该待测图像是否含有沟 坑， 对于 含有沟坑的待测图像， 将其输入沟坑类型识别模型中进一 步判断沟坑类型； [0013]步骤6： 对于含有沟坑的待测图像， 分别获取其沟坑区域所占的像素数， 并将各沟 坑区域的像素数总和与待测稻虾种养系统正射影像图的像素数总和间的比值作为待测稻 虾种养系统的沟坑占比。 [0014]进一步地， 步骤1中， 无人机的飞行高度为300米， 图像获取方式为垂直获取， 影像说　明　书 1/5 页 3 CN 114550010 A 3