本發(fā)明涉及計(jì)算機(jī)視覺(jué)與圖像處理領(lǐng)域，尤其涉及基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)的植物識(shí)別方法通常依賴(lài)于圖像處理技術(shù)，首先需要人工標(biāo)注大量的樣本數(shù)據(jù)，然后利用簡(jiǎn)單的圖像特征（如顏色、形態(tài)、紋理等）進(jìn)行識(shí)別。然而，這種基于特征提取的算法受限于環(huán)境的變化，如光照、天氣和背景雜亂等因素，容易導(dǎo)致識(shí)別誤差；此外，依賴(lài)人工標(biāo)注的過(guò)程費(fèi)時(shí)費(fèi)力，難以滿(mǎn)足大規(guī)模、實(shí)時(shí)性要求較高的植物監(jiān)測(cè)需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)傳統(tǒng)的植物識(shí)別方法常依賴(lài)人工標(biāo)注或簡(jiǎn)單的特征提取，容易受到環(huán)境影響，存在識(shí)別效率低且識(shí)別精準(zhǔn)度不足的技術(shù)問(wèn)題，提供一種基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)來(lái)解決。

2、本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：

3、本發(fā)明提供了基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于通過(guò)無(wú)人機(jī)搭載的光學(xué)相機(jī)和激光雷達(dá)對(duì)濕地區(qū)域進(jìn)行數(shù)據(jù)采集，獲取區(qū)域圖像和區(qū)域點(diǎn)云集；特征提取模塊，用于提取所述區(qū)域圖像中的輪廓信息和顏色特征，獲取植物輪廓和植物顏色分布；點(diǎn)云擬合模塊，用于利用所述植物輪廓對(duì)所述區(qū)域點(diǎn)云集進(jìn)行點(diǎn)云擬合，根據(jù)最優(yōu)點(diǎn)云擬合結(jié)果構(gòu)建植物三維模型；顏色渲染模塊，用于通過(guò)所述植物顏色分布對(duì)所述植物三維模型進(jìn)行顏色渲染，生成標(biāo)準(zhǔn)植物三維模型；相似比對(duì)模塊，用于將所述標(biāo)準(zhǔn)植物三維模型與植物數(shù)據(jù)庫(kù)中的多個(gè)預(yù)定三維模型進(jìn)行多維特征相似比對(duì)，將最大綜合相似度對(duì)應(yīng)的植物類(lèi)型設(shè)為識(shí)別結(jié)果。

4、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建植物輪廓識(shí)別插件；將所述區(qū)域圖像輸入所述植物輪廓識(shí)別插件進(jìn)行輪廓信息提取，輸出所述植物輪廓。

5、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：采集樣本植物圖像集，并對(duì)不同樣本植物圖像中的植物輪廓進(jìn)行標(biāo)注，得到樣本植物輪廓，構(gòu)建樣本植物輪廓集；以樣本植物圖像為輸入，以樣本植物輪廓為監(jiān)督，利用所述樣本植物圖像集和樣本植物輪廓集對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行監(jiān)督學(xué)習(xí)，直至收斂，得到所述植物輪廓識(shí)別插件。

6、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：利用所述植物輪廓對(duì)所述區(qū)域圖像進(jìn)行圖像裁剪，得到植物圖像；對(duì)所述植物圖像進(jìn)行顏色特征提取，生成植物顏色分布。

7、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：根據(jù)所述植物輪廓對(duì)所述區(qū)域點(diǎn)云集進(jìn)行點(diǎn)云隨機(jī)擬合，得到第一點(diǎn)云擬合結(jié)果，計(jì)算所述第一點(diǎn)云擬合結(jié)果中點(diǎn)云數(shù)量與所述區(qū)域點(diǎn)云集中點(diǎn)云總數(shù)量的比值，設(shè)為第一擬合精度；再次根據(jù)所述植物輪廓對(duì)所述區(qū)域點(diǎn)云集進(jìn)行點(diǎn)云隨機(jī)擬合，得到第二點(diǎn)云擬合結(jié)果，計(jì)算得到第二擬合精度；繼續(xù)進(jìn)行迭代擬合，直至達(dá)到預(yù)定擬合次數(shù)，輸出最大擬合精度對(duì)應(yīng)的點(diǎn)云擬合結(jié)果設(shè)為最優(yōu)點(diǎn)云擬合結(jié)果。

8、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：在所述多個(gè)預(yù)定三維模型中隨機(jī)選取第一預(yù)定三維模型；基于多維特征比對(duì)指標(biāo)，將所述標(biāo)準(zhǔn)植物三維模型與所述第一預(yù)定三維模型進(jìn)行多維特征相似比對(duì)，得到多個(gè)第一比對(duì)相似度；對(duì)所述多個(gè)第一比對(duì)相似度進(jìn)行加權(quán)融合，得到第一綜合相似度；依次分析得到所述標(biāo)準(zhǔn)植物三維模型與所述多個(gè)預(yù)定三維模型的多個(gè)綜合相似度，并選取最大綜合相似度對(duì)應(yīng)的植物類(lèi)型設(shè)為識(shí)別結(jié)果。

9、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：所述多維特征比對(duì)指標(biāo)至少包括植物尺寸特征、植物結(jié)構(gòu)特征和植物顏色分布特征。

10、優(yōu)選地，所述基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)還用于：利用變異系數(shù)法，分別對(duì)所述植物尺寸特征、植物結(jié)構(gòu)特征和植物顏色分布特征進(jìn)行權(quán)重配置，得到尺寸權(quán)重、結(jié)構(gòu)權(quán)重和顏色權(quán)重，其中，尺寸權(quán)重、結(jié)構(gòu)權(quán)重和顏色權(quán)重之和為1；基于所述尺寸權(quán)重、結(jié)構(gòu)權(quán)重和顏色權(quán)重，對(duì)所述多個(gè)第一比對(duì)相似度進(jìn)行加權(quán)計(jì)算，得到所述第一綜合相似度。

11、本發(fā)明的有益效果是：通過(guò)無(wú)人機(jī)搭載的光學(xué)相機(jī)和激光雷達(dá)對(duì)濕地區(qū)域進(jìn)行數(shù)據(jù)采集，獲取區(qū)域圖像和區(qū)域點(diǎn)云集；接著提取所述區(qū)域圖像中的輪廓信息和顏色特征，獲取植物輪廓和植物顏色分布；然后利用所述植物輪廓對(duì)所述區(qū)域點(diǎn)云集進(jìn)行點(diǎn)云擬合，根據(jù)最優(yōu)點(diǎn)云擬合結(jié)果構(gòu)建植物三維模型；進(jìn)一步通過(guò)所述植物顏色分布對(duì)所述植物三維模型進(jìn)行顏色渲染，生成標(biāo)準(zhǔn)植物三維模型；最后將所述標(biāo)準(zhǔn)植物三維模型與植物數(shù)據(jù)庫(kù)中的多個(gè)預(yù)定三維模型進(jìn)行多維特征相似比對(duì)，將最大綜合相似度對(duì)應(yīng)的植物類(lèi)型設(shè)為識(shí)別結(jié)果。也就是說(shuō)，通過(guò)無(wú)人機(jī)平臺(tái)，結(jié)合光學(xué)成像和激光雷達(dá)的多源數(shù)據(jù)，可以實(shí)現(xiàn)植物種類(lèi)的精準(zhǔn)識(shí)別，顯著提高濕地植物識(shí)別的精準(zhǔn)度和效率。

技術(shù)特征：

1.基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，所述無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)包括：

2.根據(jù)權(quán)利要求1所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，提取所述區(qū)域圖像中的輪廓信息，包括：

3.根據(jù)權(quán)利要求2所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建植物輪廓識(shí)別插件，包括：

4.根據(jù)權(quán)利要求2所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，提取所述區(qū)域圖像中的顏色特征，包括：

5.根據(jù)權(quán)利要求1所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，利用所述植物輪廓對(duì)所述區(qū)域點(diǎn)云集進(jìn)行點(diǎn)云擬合，包括：

6.根據(jù)權(quán)利要求1所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，將所述標(biāo)準(zhǔn)植物三維模型與植物數(shù)據(jù)庫(kù)中的多個(gè)預(yù)定三維模型進(jìn)行多維特征相似比對(duì)，將最大綜合相似度對(duì)應(yīng)的植物類(lèi)型設(shè)為識(shí)別結(jié)果，包括：

7.根據(jù)權(quán)利要求6所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，所述多維特征比對(duì)指標(biāo)至少包括植物尺寸特征、植物結(jié)構(gòu)特征和植物顏色分布特征。

8.根據(jù)權(quán)利要求7所述的基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，其特征在于，對(duì)所述多個(gè)第一比對(duì)相似度進(jìn)行加權(quán)融合，得到第一綜合相似度，包括：

技術(shù)總結(jié)
本發(fā)明涉及基于多維監(jiān)測(cè)融合技術(shù)的無(wú)人機(jī)濕地植物精準(zhǔn)識(shí)別系統(tǒng)，涉及計(jì)算機(jī)視覺(jué)與圖像處理領(lǐng)域，包括：提取區(qū)域圖像中的輪廓信息和顏色特征；利用植物輪廓對(duì)所述區(qū)域點(diǎn)云集進(jìn)行點(diǎn)云擬合，構(gòu)建植物三維模型；通過(guò)植物顏色分布進(jìn)行顏色渲染，生成標(biāo)準(zhǔn)植物三維模型；將標(biāo)準(zhǔn)植物三維模型與多個(gè)預(yù)定三維模型進(jìn)行多維特征相似比對(duì)，將最大相似度對(duì)應(yīng)的植物類(lèi)型設(shè)為識(shí)別結(jié)果。通過(guò)本發(fā)明可以解決傳統(tǒng)方法常依賴(lài)人工標(biāo)注或簡(jiǎn)單的特征提取，容易受到環(huán)境影響，存在植物識(shí)別效率低且識(shí)別精準(zhǔn)度不足的技術(shù)問(wèn)題；通過(guò)無(wú)人機(jī)平臺(tái)，結(jié)合光學(xué)成像和激光雷達(dá)的多源數(shù)據(jù)，可以實(shí)現(xiàn)植物種類(lèi)的精準(zhǔn)識(shí)別，顯著提高濕地植物識(shí)別的精準(zhǔn)度和效率。

技術(shù)研發(fā)人員：方國(guó)景,張峰,陳晟,徐曉薇,葉周幸,翟旭恒
受保護(hù)的技術(shù)使用者：杭州鴻森林業(yè)調(diào)查規(guī)劃設(shè)計(jì)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28