TWI759069B - 植物生長高度測量方法、裝置、電腦裝置及介質 - Google Patents
植物生長高度測量方法、裝置、電腦裝置及介質 Download PDFInfo
- Publication number
- TWI759069B TWI759069B TW110101171A TW110101171A TWI759069B TW I759069 B TWI759069 B TW I759069B TW 110101171 A TW110101171 A TW 110101171A TW 110101171 A TW110101171 A TW 110101171A TW I759069 B TWI759069 B TW I759069B
- Authority
- TW
- Taiwan
- Prior art keywords
- detected
- image
- depth
- plant
- height
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申請涉及圖像分析技術，本申請提供一種植物生長高度測量方法、裝置、電腦裝置及介質。該方法控制攝像裝置拍攝待檢測植物，得到待檢測植物的彩色圖像及深度圖像，彩色圖像及深度圖像分別包括多個待檢測植物，利用預先訓練好的檢測模型檢測彩色圖像，得到與多個待檢測植物對應的檢測框，利用圖像對齊演算法將彩色圖像與深度圖像進行對齊處理，得到對齊圖像，從對齊圖像中獲取與多個檢測框對應的目標框，並確定多個目標框的深度值，確定多個目標框的數量，根據多個深度值及數量確定待檢測植物的高度。本申請能夠提高待檢測植物的測量效率。
Description
本申請涉及圖像分析技術領域，尤其涉及一種植物生長高度測量方法、裝置、電腦裝置及介質。
目前，透過分析植物的日生長有利於確定植物的最佳種植方式，以便提高植物的產量和品質，進而降低種植成本，給種植者帶來福音。傳統方式是透過手動測量和記錄植物生長高度用於分析植物生長，然而，手動測量方式不僅會帶來測量誤差，還降低了測量效率，進而耗費人力。
鑒於以上內容，有必要提供一種植物生長高度測量方法、裝置、電腦裝置及介質，能夠提高植物生長高度的測量效率。
一種植物生長高度測量方法，應用於電腦裝置中，所述電腦裝置與攝像裝置相連接，所述植物生長高度測量方法包括：當接收到高度測量請求時，從所述高度測量請求中確定待檢測植物；控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物；
利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框；利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像；從所述對齊圖像中獲取與多個檢測框對應的目標框；從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量；根據多個深度值及所述數量確定所述待檢測植物的高度。
根據本申請可選實施例，所述從所述高度測量請求中確定待檢測植物包括：從預設執行緒連接池中獲取任意閒置執行緒；利用所述任意閒置執行緒解析所述高度測量請求的方法體，得到所述高度測量請求攜帶的所有資訊；獲取預設標籤，從所述所有資訊中獲取與所述預設標籤對應的資訊，作為所述待檢測植物。
根據本申請可選實施例，所述控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像包括：確定所述待檢測植物所在的第一方位；控制所述攝像裝置的第一鏡頭移動至與所述第一方位對應的第二方位，並控制所述第一鏡頭進行拍攝，得到所述彩色圖像；控制所述攝像裝置的第二鏡頭移動至所述第二方位，並控制所述第二鏡頭進行拍攝，得到所述深度圖像。
根據本申請可選實施例，在利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框之前，所述植物生長高度測量方法還包括：採用網路爬蟲技術獲取歷史資料；
將所述歷史資料登錄到遺忘門層進行遺忘處理，得到訓練資料；採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集；將所述訓練集中的資料登錄到輸入門層進行訓練，得到學習器；根據所述驗證集中的資料調整所述學習器，得到所述檢測模型。
根據本申請可選實施例，所述利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像包括：獲取所述深度圖像上的所有深度像素；將所述所有深度像素映射到預設深度坐標系中，得到所述所有深度像素的深度坐標；根據所有深度坐標及預設世界坐標系確定所述所有深度像素的世界坐標；根據所有世界坐標確定所述所有深度像素在所述彩色圖像上的位置，並確定所述位置在所述彩色圖像上的彩色像素；將每個深度像素與每個彩色像素進行融合，得到所述對齊圖像。
根據本申請可選實施例，所述從所述對齊圖像中獲取與多個檢測框對應的目標框包括：為所述彩色圖像及所述對齊圖像建立相同的坐標系；確定每個檢測框在所述彩色圖像上的坐標；將每個檢測框的坐標映射至所述對齊圖像中，得到與每個檢測框對應的目標框。
根據本申請可選實施例，所述根據多個深度值及所述數量確定所述待檢測植物的高度包括：確定所述攝像裝置所處的攝像高度；將所述攝像高度與每個深度值進行相減運算，得到多個距離結果；計算所述多個距離結果的總和；將所述總和除以所述數量，得到所述待檢測植物的高度。
一種植物生長高度測量裝置，運行於電腦裝置中，所述電腦裝置與攝像裝置相連接，其特徵在於，所述植物生長高度測量裝置包括：確定單元，用於當接收到高度測量請求時，從所述高度測量請求中確定待檢測植物；控制單元，用於控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物；檢測單元，用於利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框；處理單元，用於利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像；獲取單元，用於從所述對齊圖像中獲取與多個檢測框對應的目標框；所述確定單元，還用於從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量；所述確定單元，還用於根據多個深度值及所述數量確定所述待檢測植物的高度。
一種電腦裝置，所述電腦裝置包括：儲存器，儲存至少一個指令；及處理器，執行所述儲存器中儲存的指令以實現所述植物生長高度測量方法。
一種電腦可讀儲存介質，所述電腦可讀儲存介質中儲存有至少一個指令，所述至少一個指令被電腦裝置中的處理器執行以實現所述植物生長高度測量方法。
由以上技術方案可以看出，本申請從高度測量請求中確定待檢測植物，能夠準確確定所述待檢測植物，控制所述攝像裝置拍攝所述待檢測植物，
能夠快速獲取到彩色圖像及深度圖像，利用預先訓練好的檢測模型檢測所述彩色圖像，提高檢測效率，從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量，根據多個深度值及所述數量確定所述待檢測植物的高度，提高所述待檢測植物的測量效率。
S10~S16:步驟
11:植物生長高度測量裝置
110:確定單元
111:控制單元
112:檢測單元
113:處理單元
114:獲取單元
115:劃分單元
116:訓練單元
117:調整單元
118:計算單元
119:增強單元
120:生成單元
121:加密單元
122:發送單元
1:電腦裝置
12:儲存器
13:處理器
2:攝像裝置
20:第一鏡頭
21:第二鏡頭
圖1是本申請植物生長高度測量方法的較佳實施例的應用環境圖。
圖2是本申請植物生長高度測量方法的較佳實施例的流程圖。
圖3是本申請植物生長高度測量裝置的較佳實施例的功能模組圖。
圖4是本申請實現植物生長高度測量方法的較佳實施例的電腦裝置的結構示意圖。
為了使本申請的目的、技術方案和優點更加清楚，下面結合附圖和具體實施例對本申請進行詳細描述。
如圖1所示，是本申請植物生長高度測量方法的較佳實施例的應用環境圖。攝像裝置2與電腦裝置1相通信，所述攝像裝置2包括第一鏡頭20及第二鏡頭21。透過所述第一鏡頭20能夠拍攝彩色圖像，透過所述第二鏡頭21能夠拍攝深度圖像。
如圖2所示，是本申請植物生長高度測量方法的較佳實施例的流程圖。根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。
所述植物生長高度測量方法應用於一個或者多個電腦裝置1中，所述電腦裝置1是一種能夠按照事先設定或儲存的指令，自動進行數值計算和/或資訊處理的設備，其硬體包括但不限於微處理器、專用積體電路(Application Specific Integrated Circuit，ASIC)、可程式設計閘陣列(Field-Programmable Gate
Array，FPGA)、數位訊號處理器(Digital Signal Processor，DSP)、嵌入式設備等。
所述電腦裝置1可以是任何一種可與用戶進行人機交互的電子產品，例如，個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant，PDA)、遊戲機、互動式網路電視(Internet Protocol Television，IPTV)、智慧式穿戴式設備等。
所述電腦裝置1還可以包括網路設備和/或使用者設備。其中，所述網路設備包括，但不限於單個網路服務器、多個網路服務器組成的伺服器組或基於雲計算(Cloud Computing)的由大量主機或網路服務器構成的雲。
所述電腦裝置1所處的網路包括但不限於網際網路、廣域網路、都會區網路、局域網、虛擬私人網路(Virtual Private Network，VPN)等。
在本申請的至少一個實施例中，本申請應用於電腦裝置中，所述電腦裝置與攝像裝置相連接。
步驟S10，當接收到高度測量請求時，從所述高度測量請求中確定待檢測植物。
在本申請的至少一個實施例中，所述高度測量請求攜帶的資訊包括，但不限於：植物標識、所述待檢測植物等。
在本申請的至少一個實施例中，所述待檢測植物可以是任意需要進行分析日生長的植物，例如：玫瑰花、向日葵、水稻等。
在本申請的至少一個實施例中，所述電腦裝置從所述高度測量請求中確定待檢測植物包括：從預設執行緒連接池中獲取任意閒置執行緒；利用所述任意閒置執行緒解析所述高度測量請求的方法體，得到所述高度測量請求攜帶的所有資訊；獲取預設標籤，從所述所有資訊中獲取與所述預設標籤對應的資訊，作為所述待檢測植物。
其中，所述預設標籤可以是所述植物標識。
透過從預設執行緒連結池中獲取閒置執行緒解析所述高度測量請求的方法體，不僅能夠減少創建執行緒的時間，還能夠提高解析所述高度測量請求的效率，進而透過預設標籤與待檢測植物的映射關係，能夠準確確定所述待檢測植物。
步驟S11，控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物。
在本申請的至少一個實施例中，所述攝像裝置包括雙鏡頭，分別為第一鏡頭及第二鏡頭。進一步地，所述攝像裝置可以安裝在便於拍攝所述檢測植物的正上方。
在本申請的至少一個實施例中，所述彩色圖像是指RGB三通道彩色圖像，所述深度圖像是指將從所述攝像裝置到場景中各點的距離作為像素值的圖像。
在本申請的至少一個實施例中，所述電腦裝置控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像包括：確定所述待檢測植物所在的第一方位；控制所述攝像裝置的第一鏡頭移動至與所述第一方位對應的第二方位，並控制所述第一鏡頭進行拍攝，得到所述彩色圖像；控制所述攝像裝置的第二鏡頭移動至所述第二方位，並控制所述第二鏡頭進行拍攝，得到所述深度圖像。
透過上述實施方式，能夠快速獲取到包含所述待檢測植物的彩色圖像及深度圖像。
步驟S12，利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框。
在本申請的至少一個實施例中，所述檢測框是利用所述檢測模型對所述彩色圖像進行特徵提取得到的。
在本申請的至少一個實施例中，在利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框之前，所述植物生長高度測量方法還包括：採用網路爬蟲技術獲取歷史資料；將所述歷史資料登錄到遺忘門層進行遺忘處理，得到訓練資料；採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集；將所述訓練集中的資料登錄到輸入門層進行訓練，得到學習器；根據所述驗證集中的資料調整所述學習器，得到所述檢測模型。
透過上述實施方式，能夠生成適用於所述待檢測植物的檢測模型。
在本申請的至少一個實施例中，在採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集之前，所述方法還包括：所述電腦裝置計算所述訓練資料中彩色訓練圖像的數量，當所述數量小於預設數量時，所述電腦裝置利用資料增強演算法增加所述訓練資料中彩色訓練圖像的數量。
透過上述實施方式，能夠避免由於彩色訓練圖像的數量不足，導致訓練得到的檢測模型的泛化能力較差。
在本申請的至少一個實施例中，所述電腦裝置採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集包括：所述電腦裝置將所述訓練資料按照預設比例隨機劃分為至少一個資料包，將所述至少一個資料包中的任意一個資料包確定為所述驗證集，其餘的資料包確定為所述訓練集，重複上述步驟，直至所有的資料包全都依次被用作為所述驗證集。
其中，所述預設比例可以自訂設置，本申請不作限制。
透過上述實施方式劃分所述資料集，使所述訓練資料中的每個彩色訓練圖像均參與訓練及驗證，由此，提高訓練所述檢測模型的擬合度。
在本申請的至少一個實施例中，所述電腦裝置根據所述驗證集中的資料調整所述學習器，得到所述檢測模型包括：所述電腦裝置採用超參數網格搜索方法從所述驗證集中確定最優超參數點，進一步地，所述電腦裝置透過所述最優超參數點對所述學習器進行調整，得到所述檢測模型。
具體地，所述電腦裝置將所述驗證集按照固定步長進行拆分，得到目標子集，遍歷所述目標子集上兩端端點的參數，透過所述兩端端點的參數驗證所述學習器，得到每個參數的學習率，將學習率最好的參數確定為第一超參數點，並在所述第一超參數點的鄰域內，縮小所述步長繼續遍歷，直至所述步長為預設步長，即得到的超參數點為所述最優超參數點，更進一步地，所述電腦裝置根據所述最優超參數點調整所述學習器，得到所述檢測模型。
其中，本申請對所述預設步長不作限制。
透過上述實施方式，能夠使所述檢測模型更加適合所述待檢測植物的彩色圖像的檢測。
步驟S13，利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像。
在本申請的至少一個實施例中，所述對齊圖像是指融合所述彩色圖像的像素與所述深度圖像的像素而生成的圖像。
在本申請的至少一個實施例中，所述電腦裝置利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像包括：獲取所述深度圖像上的所有深度像素；將所述所有深度像素映射到預設深度坐標系中，得到所述所有深度像素的深度坐標；
根據所有深度坐標及預設世界坐標系確定所述所有深度像素的世界坐標；根據所有世界坐標確定所述所有深度像素在所述彩色圖像上的位置，並確定所述位置在所述彩色圖像上的彩色像素；將每個深度像素與每個彩色像素進行融合，得到所述對齊圖像。
其中，所述預設深度坐標系及所述預設世界坐標系可以從開源系統上獲取，也可以使用者根據應用場景任意設置，本申請對此不作限制。
透過上述實施方式，能夠生成包含深度值的對齊圖像，以便後續確定所述待檢測植物的高度。
步驟S14，從所述對齊圖像中獲取與多個檢測框對應的目標框。
在本申請的至少一個實施例中，所述電腦裝置從所述對齊圖像中獲取與多個檢測框對應的目標框包括：為所述彩色圖像及所述對齊圖像建立相同的坐標系；確定每個檢測框在所述彩色圖像上的坐標；將每個檢測框的坐標映射至所述對齊圖像中，得到與每個檢測框對應的目標框。
透過上述實施方式，能夠準確地確定出所述對齊圖像的目標框。
步驟S15，從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量。
在本申請的至少一個實施例中，所述電腦裝置從所述對齊圖像中確定多個目標框的深度值包括：對於任意目標框，確定所述任意目標框的所有像素點；從所述對齊圖像中獲取每個像素點的像素深度值；計算所述所有像素點的像素深度值總和，作為所述任意目標框的深度值。
其中，所述像素深度值是指像素對應到所述待檢測植物上的特徵點距離攝像裝置的高度。
步驟S16，根據多個深度值及所述數量確定所述待檢測植物的高度。
在本申請的至少一個實施例中，所述電腦裝置根據多個深度值及所述數量確定所述待檢測植物的高度包括：確定所述攝像裝置所處的攝像高度；將所述攝像高度與每個深度值進行相減運算，得到多個距離結果；計算所述多個距離結果的總和；將所述總和除以所述數量，得到所述待檢測植物的高度。
透過上述實施方式，無需手動測量所述待檢測植物，能夠提高所述待檢測植物的測量效率。
在本申請的至少一個實施例中，在根據多個深度值及所述數量確定所述待檢測植物的高度之後，所述植物生長高度測量方法還包括：當所述高度小於預設高度時，所述電腦裝置根據所述高度生成告警資訊，進一步地，所述電腦裝置採用對稱加密演算法加密所述告警資訊，得到密文，更進一步地，所述電腦裝置根據所述待檢測植物確定所述密文的告警等級，所述電腦裝置根據所述告警等級確定告警方式，更進一步地，所述電腦裝置以所述告警方式發送所述密文。
其中，所述預設高度可以根據所述待檢測植物的預期生成速率設置，本申請對所述預設高度的取值不作限制。
進一步地，所述告警等級包括：等級一、等級二等。
更進一步地，所述告警方式包括：揚聲器的警報聲、郵件方式、電話方式等。
透過上述實施方式，能夠在所述高度小於所述預設高度時，發出告警資訊，此外，透過加密告警資訊，能夠避免告警資訊被篡改，提高告警資
訊的安全性，同時，根據告警等級確定告警方式，能夠以合適的告警方式發送告警資訊，使告警資訊的發送更加人性化。
由以上技術方案可以看出，本申請從高度測量請求中確定待檢測植物，能夠準確確定所述待檢測植物，控制所述攝像裝置拍攝所述待檢測植物，能夠快速獲取到彩色圖像及深度圖像，利用預先訓練好的檢測模型檢測所述彩色圖像，提高檢測效率，從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量，根據多個深度值及所述數量確定所述待檢測植物的高度，提高所述待檢測植物的測量效率。
如圖3所示，是本申請植物生長高度測量裝置的較佳實施例的功能模組圖。所述植物生長高度測量裝置11包括確定單元110、控制單元111、檢測單元112、處理單元113、獲取單元114、劃分單元115、訓練單元116、調整單元117、計算單元118、增強單元119、生成單元120、加密單元121及發送單元122。本申請所稱的模組/單元是指一種能夠被處理器13所執行，並且能夠完成固定功能的一系列電腦程式段，其儲存在儲存器12中。在本實施例中，關於各模組/單元的功能將在後續的實施例中詳述。
當接收到高度測量請求時，確定單元110從所述高度測量請求中確定待檢測植物。
在本申請的至少一個實施例中，所述高度測量請求攜帶的資訊包括，但不限於：植物標識、所述待檢測植物等。
在本申請的至少一個實施例中，所述待檢測植物可以是任意需要進行分析日生長的植物，例如：玫瑰花、向日葵、水稻等。
在本申請的至少一個實施例中，所述確定單元110從所述高度測量請求中確定待檢測植物包括：從預設執行緒連接池中獲取任意閒置執行緒；利用所述任意閒置執行緒解析所述高度測量請求的方法體，得到所述高度測量請求攜帶的所有資訊；
獲取預設標籤，從所述所有資訊中獲取與所述預設標籤對應的資訊，作為所述待檢測植物。
其中，所述預設標籤可以是所述植物標識。
透過從預設執行緒連結池中獲取閒置執行緒解析所述高度測量請求的方法體，不僅能夠減少創建執行緒的時間，還能夠提高解析所述高度測量請求的效率，進而透過預設標籤與待檢測植物的映射關係，能夠準確確定所述待檢測植物。
控制單元111控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物。
在本申請的至少一個實施例中，所述攝像裝置包括雙鏡頭，分別為第一鏡頭及第二鏡頭。進一步地，所述攝像裝置可以安裝在便於拍攝所述檢測植物的正上方。
在本申請的至少一個實施例中，所述彩色圖像是指RGB三通道彩色圖像，所述深度圖像是指將從所述攝像裝置到場景中各點的距離作為像素值的圖像。
在本申請的至少一個實施例中，所述控制單元111控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像包括：確定所述待檢測植物所在的第一方位；控制所述攝像裝置的第一鏡頭移動至與所述第一方位對應的第二方位，並控制所述第一鏡頭進行拍攝，得到所述彩色圖像；控制所述攝像裝置的第二鏡頭移動至所述第二方位，並控制所述第二鏡頭進行拍攝，得到所述深度圖像。
透過上述實施方式，能夠快速獲取到包含所述待檢測植物的彩色圖像及深度圖像。
檢測單元112利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框。
在本申請的至少一個實施例中，所述檢測框是利用所述檢測模型對所述彩色圖像進行特徵提取得到的。
在本申請的至少一個實施例中，在利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框之前，獲取單元114採用網路爬蟲技術獲取歷史資料，處理單元113將所述歷史資料登錄到遺忘門層進行遺忘處理，得到訓練資料，劃分單元115採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集，訓練單元116將所述訓練集中的資料登錄到輸入門層進行訓練，得到學習器，調整單元117根據所述驗證集中的資料調整所述學習器，得到所述檢測模型。
透過上述實施方式，能夠生成適用於所述待檢測植物的檢測模型。
在本申請的至少一個實施例中，在採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集之前，計算單元118計算所述訓練資料中彩色訓練圖像的數量，當所述數量小於預設數量時，增強單元119利用資料增強演算法增加所述訓練資料中彩色訓練圖像的數量。
透過上述實施方式，能夠避免由於彩色訓練圖像的數量不足，導致訓練得到的檢測模型的泛化能力較差。
在本申請的至少一個實施例中，所述劃分單元115採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集包括：所述劃分單元115將所述訓練資料按照預設比例隨機劃分為至少一個資料包，將所述至少一個資料包中的任意一個資料包確定為所述驗證集，其餘的資料包確定為所述訓練集，重複上述步驟，直至所有的資料包全都依次被用作為所述驗證集。
其中，所述預設比例可以自訂設置，本申請不作限制。
透過上述實施方式劃分所述資料集，使所述訓練資料中的每個彩色訓練圖像均參與訓練及驗證，由此，提高訓練所述檢測模型的擬合度。
在本申請的至少一個實施例中，所述調整單元117根據所述驗證集中的資料調整所述學習器，得到所述檢測模型包括：所述調整單元117採用超參數網格搜索方法從所述驗證集中確定最優超參數點，進一步地，所述調整單元117透過所述最優超參數點對所述學習器進行調整，得到所述檢測模型。
具體地，所述調整單元117將所述驗證集按照固定步長進行拆分，得到目標子集，遍歷所述目標子集上兩端端點的參數，透過所述兩端端點的參數驗證所述學習器，得到每個參數的學習率，將學習率最好的參數確定為第一超參數點，並在所述第一超參數點的鄰域內，縮小所述步長繼續遍歷，直至所述步長為預設步長，即得到的超參數點為所述最優超參數點，更進一步地，所述調整單元117根據所述最優超參數點調整所述學習器，得到所述檢測模型。
其中，本申請對所述預設步長不作限制。
透過上述實施方式，能夠使所述檢測模型更加適合所述待檢測植物的彩色圖像的檢測。
所述處理單元113利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像。
在本申請的至少一個實施例中，所述對齊圖像是指融合所述彩色圖像的像素與所述深度圖像的像素而生成的圖像。
在本申請的至少一個實施例中，所述處理單元113利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像包括：獲取所述深度圖像上的所有深度像素；將所述所有深度像素映射到預設深度坐標系中，得到所述所有深度像素的深度坐標；
根據所有深度坐標及預設世界坐標系確定所述所有深度像素的世界坐標；根據所有世界坐標確定所述所有深度像素在所述彩色圖像上的位置，並確定所述位置在所述彩色圖像上的彩色像素；將每個深度像素與每個彩色像素進行融合，得到所述對齊圖像。
其中，所述預設深度坐標系及所述預設世界坐標系可以從開源系統上獲取，也可以使用者根據應用場景任意設置，本申請對此不作限制。
透過上述實施方式，能夠生成包含深度值的對齊圖像，以便後續確定所述待檢測植物的高度。
所述獲取單元114從所述對齊圖像中獲取與多個檢測框對應的目標框。
在本申請的至少一個實施例中，所述獲取單元114從所述對齊圖像中獲取與多個檢測框對應的目標框包括：為所述彩色圖像及所述對齊圖像建立相同的坐標系；確定每個檢測框在所述彩色圖像上的坐標；將每個檢測框的坐標映射至所述對齊圖像中，得到與每個檢測框對應的目標框。
透過上述實施方式，能夠準確地確定出所述對齊圖像的目標框。
所述確定單元110從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量。
在本申請的至少一個實施例中，所述確定單元110從所述對齊圖像中確定多個目標框的深度值包括：對於任意目標框，確定所述任意目標框的所有像素點；從所述對齊圖像中獲取每個像素點的像素深度值；計算所述所有像素點的像素深度值總和，作為所述任意目標框的深度值。
其中，所述像素深度值是指像素對應到所述待檢測植物上的特徵點距離攝像裝置的高度。
所述確定單元110根據多個深度值及所述數量確定所述待檢測植物的高度。
在本申請的至少一個實施例中，所述確定單元110根據多個深度值及所述數量確定所述待檢測植物的高度包括：確定所述攝像裝置所處的攝像高度；將所述攝像高度與每個深度值進行相減運算，得到多個距離結果；計算所述多個距離結果的總和；將所述總和除以所述數量，得到所述待檢測植物的高度。
透過上述實施方式，無需手動測量所述待檢測植物，能夠提高所述待檢測植物的測量效率。
在本申請的至少一個實施例中，在根據多個深度值及所述數量確定所述待檢測植物的高度之後，當所述高度小於預設高度時，生成單元120根據所述高度生成告警資訊，進一步地，加密單元121採用對稱加密演算法加密所述告警資訊，得到密文，更進一步地，所述確定單元110根據所述待檢測植物確定所述密文的告警等級，所述確定單元110根據所述告警等級確定告警方式，更進一步地，發送單元122以所述告警方式發送所述密文。
其中，所述預設高度可以根據所述待檢測植物的預期生成速率設置，本申請對所述預設高度的取值不作限制。
進一步地，所述告警等級包括：等級一、等級二等。
更進一步地，所述告警方式包括：揚聲器的警報聲、郵件方式、電話方式等。
透過上述實施方式，能夠在所述高度小於所述預設高度時，發出告警資訊，此外，透過加密告警資訊，能夠避免告警資訊被篡改，提高告警資
訊的安全性，同時，根據告警等級確定告警方式，能夠以合適的告警方式發送告警資訊，使告警資訊的發送更加人性化。
由以上技術方案可以看出，本申請從高度測量請求中確定待檢測植物，能夠準確確定所述待檢測植物，控制所述攝像裝置拍攝所述待檢測植物，能夠快速獲取到彩色圖像及深度圖像，利用預先訓練好的檢測模型檢測所述彩色圖像，提高檢測效率，從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量，根據多個深度值及所述數量確定所述待檢測植物的高度，提高所述待檢測植物的測量效率。
如圖4所示，是本申請實現植物生長高度測量方法的較佳實施例的電腦裝置的結構示意圖。
在本申請的一個實施例中，所述電腦裝置1包括，但不限於，儲存器12、處理器13，以及儲存在所述儲存器12中並可在所述處理器13上運行的電腦程式，例如植物生長高度測量程式。
本領域技術人員可以理解，所述示意圖僅僅是電腦裝置1的示例，並不構成對電腦裝置1的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電腦裝置1還可以包括輸入輸出設備、網路接入設備、匯流排等。
所述處理器13可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等，所述處理器13是所述電腦裝置1的運算核心和控制中心，利用各種介面和線路連接整個電腦裝置1的各個部分，及執行所述電腦裝置1的作業系統以及安裝的各類應用程式、程式碼等。
所述處理器13執行所述電腦裝置1的作業系統以及安裝的各類應用程式。所述處理器13執行所述應用程式以實現上述各個植物生長高度測量方法實施例中的步驟，例如圖2所示的步驟。
示例性的，所述電腦程式可以被分割成一個或多個模組/單元，所述一個或者多個模組/單元被儲存在所述儲存器12中，並由所述處理器13執行，以完成本申請。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段，該指令段用於描述所述電腦程式在所述電腦裝置1中的執行過程。例如，所述電腦程式可以被分割成確定單元110、控制單元111、檢測單元112、處理單元113、獲取單元114、劃分單元115、訓練單元116、調整單元117、計算單元118、增強單元119、生成單元120、加密單元121及發送單元122。
所述儲存器12可用於儲存所述電腦程式和/或模組，所述處理器13透過運行或執行儲存在所述儲存器12內的電腦程式和/或模組，以及調用儲存在儲存器12內的資料，實現所述電腦裝置1的各種功能。所述儲存器12可主要包括儲存程式區和儲存資料區，其中，儲存程式區可儲存作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等；儲存資料區可儲存根據電腦裝置的使用所創建的資料等。此外，儲存器12可以包括非易失性儲存器，例如硬碟、儲存器、插接式硬碟，智慧儲存卡(Smart Media Card,SMC)，安全數位(Secure Digital,SD)卡，快閃儲存器卡(Flash Card)、至少一個磁碟儲存器件、快閃儲存器器件、或其他非易失性固態儲存器件。
所述儲存器12可以是電腦裝置1的外部儲存器和/或內部儲存器。進一步地，所述儲存器12可以是具有實物形式的儲存器，如儲存器條、TF卡(Trans-flash Card)等等。
所述電腦裝置1集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解，本申請實現上述實施例方法中的全部或部分流程，也可以透過
電腦程式來指令相關的硬體來完成，所述的電腦程式可儲存於一電腦可讀儲存介質中，該電腦程式在被處理器執行時，可實現上述各個方法實施例的步驟。
其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦儲存器、唯讀儲存器(ROM，Read-Only Memory)。
結合圖2，所述電腦裝置1中的所述儲存器12儲存多個指令以實現一種植物生長高度測量方法，所述處理器13可執行所述多個指令從而實現：當接收到高度測量請求時，從所述高度測量請求中確定待檢測植物；控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物；利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框；利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像；從所述對齊圖像中獲取與多個檢測框對應的目標框；從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量；根據多個深度值及所述數量確定所述待檢測植物的高度。
具體地，所述處理器13對上述指令的具體實現方法可參考圖2對應實施例中相關步驟的描述，在此不贅述。
在本申請所提供的幾個實施例中，應該理解到，所揭露的系統，裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅
是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈圖像到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外，在本申請各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附關聯圖標記視為限制所涉及的請求項。
此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。本申請中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一、第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。
S10~S16:步驟
Claims (9)
- 一種植物生長高度測量方法，應用於電腦裝置中，所述電腦裝置與攝像裝置相連接，其中，所述植物生長高度測量方法包括：當接收到高度測量請求時，從所述高度測量請求中確定待檢測植物；控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物；利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框；利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像；從所述對齊圖像中獲取與多個檢測框對應的目標框；從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量；根據多個深度值及所述數量確定所述待檢測植物的高度，包括：確定所述攝像裝置所處的攝像高度；將所述攝像高度與每個深度值進行相減運算，得到多個距離結果，其中，每個深度值是指每個目標框中所有像素點的像素深度值的總和，所述像素深度值是指像素點對應到所述待檢測植物上的特徵點距離攝像裝置的高度；計算所述多個距離結果的總和；將所述總和除以所述數量，得到所述待檢測植物的高度。
- 如請求項1所述的植物生長高度測量方法，其中，所述從所述高度測量請求中確定待檢測植物包括：從預設執行緒連接池中獲取任意閒置執行緒；利用所述任意閒置執行緒解析所述高度測量請求的方法體，得到所述高度測量請求攜帶的所有資訊； 獲取預設標籤，從所述所有資訊中獲取與所述預設標籤對應的資訊，作為所述待檢測植物。
- 如請求項1所述的植物生長高度測量方法，其中，所述控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像包括：確定所述待檢測植物所在的第一方位；控制所述攝像裝置的第一鏡頭移動至與所述第一方位對應的第二方位，並控制所述第一鏡頭進行拍攝，得到所述彩色圖像；控制所述攝像裝置的第二鏡頭移動至所述第二方位，並控制所述第二鏡頭進行拍攝，得到所述深度圖像。
- 如請求項1所述的植物生長高度測量方法，其中，在利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框之前，所述植物生長高度測量方法還包括：採用網路爬蟲技術獲取歷史資料；將所述歷史資料登錄到遺忘門層進行遺忘處理，得到訓練資料；採用交叉驗證法將所述訓練資料劃分為訓練集及驗證集；將所述訓練集中的資料登錄到輸入門層進行訓練，得到學習器；根據所述驗證集中的資料調整所述學習器，得到所述檢測模型。
- 如請求項1所述的植物生長高度測量方法，其中，所述利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像包括：獲取所述深度圖像上的所有深度像素；將所述所有深度像素映射到預設深度坐標系中，得到所述所有深度像素的深度坐標；根據所有深度坐標及預設世界坐標系確定所述所有深度像素的世界坐標； 根據所有世界坐標確定所述所有深度像素在所述彩色圖像上的位置，並確定所述位置在所述彩色圖像上的彩色像素；將每個深度像素與每個彩色像素進行融合，得到所述對齊圖像。
- 如請求項1所述的植物生長高度測量方法，其中，所述從所述對齊圖像中獲取與多個檢測框對應的目標框包括：為所述彩色圖像及所述對齊圖像建立相同的坐標系；確定每個檢測框在所述彩色圖像上的坐標；將每個檢測框的坐標映射至所述對齊圖像中，得到與每個檢測框對應的目標框。
- 一種植物生長高度測量裝置，運行於電腦裝置中，所述電腦裝置與攝像裝置相連接，其中，所述植物生長高度測量裝置包括：確定單元，用於當接收到高度測量請求時，從所述高度測量請求中確定待檢測植物；控制單元，用於控制所述攝像裝置拍攝所述待檢測植物，得到所述待檢測植物的彩色圖像及深度圖像，所述彩色圖像包括多個待檢測植物，及所述深度圖像包括多個待檢測植物；檢測單元，用於利用預先訓練好的檢測模型檢測所述彩色圖像，得到與所述多個待檢測植物對應的檢測框；處理單元，用於利用圖像對齊演算法將所述彩色圖像與所述深度圖像進行對齊處理，得到對齊圖像；獲取單元，用於從所述對齊圖像中獲取與多個檢測框對應的目標框；所述確定單元，還用於從所述對齊圖像中確定多個目標框的深度值，並確定所述多個目標框的數量；所述確定單元，還用於根據多個深度值及所述數量確定所述待檢測植物的高度，包括：確定所述攝像裝置所處的攝像高度；將所述攝像高度與每個深度值進行相減運算，得到多個距離結果，其中，每個深度值是指每個目標框中所 有像素點的像素深度值的總和，所述像素深度值是指像素點對應到所述待檢測植物上的特徵點距離攝像裝置的高度；計算所述多個距離結果的總和；將所述總和除以所述數量，得到所述待檢測植物的高度。
- 一種電腦裝置，其中，所述電腦裝置包括：儲存器，儲存至少一個指令；及處理器，獲取所述儲存器中儲存的指令以實現如請求項1至6中任意一項所述的植物生長高度測量方法。
- 一種電腦可讀儲存介質，其中：所述電腦可讀儲存介質中儲存有至少一個指令，所述至少一個指令被電腦裝置中的處理器獲取以實現如請求項1至6中任意一項所述的植物生長高度測量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110101171A TWI759069B (zh) | 2021-01-12 | 2021-01-12 | 植物生長高度測量方法、裝置、電腦裝置及介質 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110101171A TWI759069B (zh) | 2021-01-12 | 2021-01-12 | 植物生長高度測量方法、裝置、電腦裝置及介質 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI759069B true TWI759069B (zh) | 2022-03-21 |
| TW202228077A TW202228077A (zh) | 2022-07-16 |
Family
ID=81710831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110101171A TWI759069B (zh) | 2021-01-12 | 2021-01-12 | 植物生長高度測量方法、裝置、電腦裝置及介質 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI759069B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116152855A (zh) * | 2023-02-17 | 2023-05-23 | 厦门瑞为信息技术有限公司 | 基于多模态镜头的牵小孩过闸识别方法、系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016697A (zh) * | 2017-04-11 | 2017-08-04 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
-
2021
- 2021-01-12 TW TW110101171A patent/TWI759069B/zh active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016697A (zh) * | 2017-04-11 | 2017-08-04 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
| CN107016697B (zh) | 2017-04-11 | 2019-09-03 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Syed, Tabinda Naz, et al. "Seedling-lump integrated non-destructive monitoring for automatic transplanting with Intel RealSense depth camera." Artificial Intelligence in Agriculture 3 (2019): 18-32.; * |
| Yin, Fukun, and Shizhe Zhou. "Accurate Estimation of Body Height From a Single Depth Image via a Four-Stage Developing Network." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020. * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116152855A (zh) * | 2023-02-17 | 2023-05-23 | 厦门瑞为信息技术有限公司 | 基于多模态镜头的牵小孩过闸识别方法、系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202228077A (zh) | 2022-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114820758B (zh) | 植物生长高度测量方法、装置、电子设备及介质 | |
| CN110427917B (zh) | 用于检测关键点的方法和装置 | |
| US20210342990A1 (en) | Image coordinate system transformation method and apparatus, device, and storage medium | |
| CN114764814B (zh) | 植物高度确定方法、装置、电子设备及介质 | |
| WO2019223782A1 (zh) | 游戏场景描述方法、装置、设备及存储介质 | |
| US11288543B1 (en) | Systems and methods for depth refinement using machine learning | |
| CN108665541A (zh) | 一种基于激光传感器的地图生成方法及装置和机器人 | |
| CN111783593A (zh) | 基于人工智能的人脸识别方法、装置、电子设备及介质 | |
| WO2022007396A1 (zh) | 图像抖动校正方法、装置、计算机设备、存储介质及产品 | |
| WO2021253186A1 (zh) | 信息处理方法、装置和成像系统 | |
| CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
| CN111652168B (zh) | 基于人工智能的群体检测方法、装置、设备及存储介质 | |
| CN114371475A (zh) | 一种优化标定参数的方法、系统、设备及计算机存储介质 | |
| TWI759069B (zh) | 植物生長高度測量方法、裝置、電腦裝置及介質 | |
| CN117994987A (zh) | 基于目标检测技术的交通参数提取方法及相关装置 | |
| CN108846861A (zh) | 图像单应矩阵计算方法、装置、移动终端及存储介质 | |
| CN114820743B (zh) | 植物生长高度确定方法、装置、电子设备及介质 | |
| CN117177077A (zh) | 深度图像生成方法、装置、电子设备及存储介质 | |
| CN115018926A (zh) | 车载相机的俯仰角确定方法、装置、设备和存储介质 | |
| TWI762152B (zh) | 植物高度確定方法、裝置、電腦裝置及介質 | |
| TWI795708B (zh) | 植物生長高度確定方法、裝置、電腦裝置及介質 | |
| CN104574343B (zh) | 一种视频中提取图像的方法及设备 | |
| TWI755250B (zh) | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 | |
| CN108876767A (zh) | 一种甘蔗蔗节特征快速识别装置 | |
| TW202226151A (zh) | 幹細胞分佈確定方法、裝置、電腦裝置及儲存介質 |