一种漏秧的检测方法、电子设备、存储介质及插秧机与流程
本申请涉及图像识别，具体而言，涉及一种漏秧的检测方法、电子设备、存储介质及插秧机。
背景技术：
1、目前，关于漏秧检测有通过无人机航拍连续采集秧苗图像，利用图像形态学处理方法和图像分割处理等方法。如通过秧苗拟合直线计算漏秧数量和漏秧位置或通过安装在插秧机插植臂上方的相机进行间隔距离拍照秧苗的图像，采用图像分割等图像形态学方法和模式识别等数字图像处理技术实现对漏秧识别。但这些传统的识别方法面对复杂的农田场景时检测效果不好、精度差。
技术实现思路
1、本申请实施例的目的在于提供一种漏秧的检测方法、电子设备、存储介质及插秧机，用以提高复杂农田场景下对插秧机插秧漏秧率识别的精确度。
2、第一方面，本申请提供了一种漏秧的检测方法，通过设置在插秧机上的相机采集插秧机已插秧苗的秧苗图像，针对获取到的每一帧秧苗图像，通过以下方式计算出该帧秧苗图像对应的漏秧率：
3、基于秧苗图像的识别质量，确定出秧苗图像的roi区域；通过目标识别模型检测出秧苗图像中的所有秧苗识别对象；通过roi区域内识别出的秧苗识别对象的识别数量和应插秧苗的标准数量的比值，作为该帧秧苗图像对应的秧苗覆盖率，以计算出该帧秧苗图像对应的漏秧率。
4、优选的，基于秧苗图像的识别质量，确定出秧苗图像的roi区域的步骤，具体包括：对秧苗图像进行预处理；识别出预处理后的秧苗图像中，所有预设连通区域对象；基于所有预设连通区域对象垂直方向上的高度值的大小，确定出目标连通区域对象；基于目标连通区域对象与所有预设roi上边界之间的距离，确定出目标roi上边界；基于目标roi上边界和秧苗图像的下边界，确定出秧苗图像的roi区域。
5、优选的，基于目标连通区域对象与所有预设roi上边界之间的距离，确定出目标roi上边界的步骤，具体包括：
6、计算目标连通区域的识别框的左下角像素坐标或右下角像素坐标的纵坐标与所有预设roi上边界对应的纵坐标之间的差值；针对差值为负值所对应的预设roi上边界，计算该预设roi上边界对应的差值的绝对值；将最小绝对值所对应的预设roi边界，确定为目标roi上边界。
7、优选的，通过以下方式对秧苗图像进行预处理：
8、针对秧苗图像中的每个像素点，计算该像素点的超绿指数，以作为该像素点的灰度值；针对秧苗图像中的每个像素点，根据该像素点的灰度值，确定出该像素点的二值化值，以获取二值化秧苗图像；基于预设好的结构元素，对二值化秧苗图像进行膨胀处理，以获得预处理后的秧苗图像。
9、优选的，通过以下方式训练生成目标识别模型：
10、获取训练样本集，训练样本集包括多张样本图像，每张样本图像中标记有秧苗的识别框和秧苗的类别；将样本图像依次输入yolov5s模型，以使yolov5s模型输出样本图像中每个秧苗识别对象的识别框和类别；通过损失函数计算yolov5s模型输出的样本图像中每个秧苗识别对象的识别框和类别与真实值之间的损失值，调整yolov5s模型的参数，以获得目标识别模型；
11、损失函数包括：
12、ltotal＝λbboxlbbox+λclslcls；
13、其中，lbbox为模型输出的样本图像中所有秧苗识别对象的识别框与识别框真实值之间的损失值，lcls为模型输出的样本图像中所有秧苗识别对象的类别与类别框真实值之间的损失值，λbbox、λcls为对应的权重系数。
14、优选的，还包括针对获取到的每一帧秧苗图像，确定该秧苗图像对应的漏秧率是否达到报警值，若是，则生成语言报警信号并发送给播放器。
15、第二方面，本申请提供一种插秧机，插秧机包括：
16、插秧机主体；
17、相机及安装件，相机通过安装件以预设的高度和倾斜角度固定在插秧机主体上；
18、控制器，控制器与相机电连接，用于执行如前述的漏秧的检测方法。
19、优选的，插秧机还包括播放器，控制器还用于针对获取到的每一帧秧苗图像，确定该秧苗图像对应的漏秧率是否达到报警值，若是，则生成语言报警信号并发送给播放器。
20、第三方面，本申请提供一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线通信，处理器执行机器可读指令，以执行如前述的漏秧的检测方法的步骤。
21、第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如前述的漏秧的检测方法的步骤。
22、本申请提供的一种漏秧的检测方法、电子设备、存储介质及插秧机，其中，检测方法包括过设置在插秧机上的相机采集插秧机已插秧苗的秧苗图像，针对获取到的每一帧秧苗图像，通过以下方式计算出该帧秧苗图像对应的漏秧率：基于秧苗图像的识别质量，确定出秧苗图像的roi区域；通过目标识别模型检测出秧苗图像中的所有秧苗识别对象；通过roi区域内识别出的秧苗识别对象的识别数量和应插秧苗的标准数量的比值，作为该帧秧苗图像对应的漏秧率。通过确定秧苗图像对应的roi区域，去除秧苗图像种识别质量差的部分，针对roi区域内计算插秧机的漏秧率，提高了漏秧率计算的精确度。
技术特征：
1.一种漏秧的检测方法，其特征在于，通过设置在插秧机上的相机采集所述插秧机已插秧苗的秧苗图像，针对获取到的每一帧秧苗图像，通过以下方式计算出该帧秧苗图像对应的漏秧率：
2.根据权利要求1所述的方法，其特征在于，所述基于所述秧苗图像的识别质量，确定出所述秧苗图像的roi区域的步骤，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述基于目标连通区域对象与所有预设roi上边界之间的距离，确定出目标roi上边界的步骤，具体包括：
4.根据权利要求2所述的方法，其特征在于，通过以下方式对所述秧苗图像进行预处理：
5.根据权利要求1所述的方法，其特征在于，通过以下方式训练生成所述目标识别模型：
6.根据权利要求1所述的方法，其特征在于，还包括：
7.一种插秧机，其特征在于，所述插秧机包括：
8.根据权利要求7所述的插秧机，其特征在于，所述插秧机还包括播放器，所述控制器还用于针对获取到的每一帧秧苗图像，确定该秧苗图像对应的漏秧率是否达到报警值，若是，则生成语言报警信号并发送给播放器。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至6任一所述漏秧的检测方法的步骤。
10.一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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述漏秧的检测方法的步骤。
技术总结
本申请提供一种漏秧的检测方法、电子设备、存储介质及插秧机，其中，方法包括通过设置在插秧机上的相机采集插秧机已插秧苗的秧苗图像，针对获取到的每一帧秧苗图像，通过以下方式计算出该帧秧苗图像对应的漏秧率：基于秧苗图像的识别质量，确定出秧苗图像的ROI区域；通过目标识别模型检测出秧苗图像中的所有秧苗识别对象；通过ROI区域内识别出的秧苗识别对象的识别数量和应插秧苗的标准数量的比值，作为该帧秧苗图像对应的秧苗覆盖率，以计算出该帧秧苗图像对应的漏秧率。
技术研发人员：李邦国,张洪涛,刘凯凯,李玉彪,李海龙,陈安焱,吴登朝,张效伟,梁德军
受保护的技术使用者：潍柴雷沃智慧农业科技股份有限公司
技术研发日：
技术公布日：2024/12/5