本發(fā)明涉及煙草種植識別，尤其涉及到一種煙草點株計數(shù)和地塊識別方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、近年來，深度學習和計算機視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用取得了顯著進展。尤其是在煙草種植業(yè)，通過自動化和智能化的圖像分析技術(shù)，可以大幅提升生產(chǎn)管理的效率和精準度。以云南省煙草種植區(qū)的智能管理為例，云南省煙草種植區(qū)主要保護對象為優(yōu)質(zhì)煙草品種及其生長環(huán)境，此外還有對病蟲害的管理及其他農(nóng)業(yè)生態(tài)因素的監(jiān)控。每年在種植區(qū)生長的煙草株數(shù)以及煙草的健康狀況是種植區(qū)管理人員和我國農(nóng)業(yè)部門最關(guān)心的問題，為了更好地保護煙草作物，提高種植效率，減少病蟲害及不利環(huán)境因素對煙草生長的影響，種植區(qū)將物聯(lián)網(wǎng)和智能識別等技術(shù)應(yīng)用在煙草點株識別和地塊管理是必不可少的。

2、在煙草種植區(qū)，通過部署物聯(lián)網(wǎng)設(shè)備，如土壤濕度傳感器、溫度傳感器和光照傳感器，可以實時監(jiān)測土壤和氣候條件，為煙草生長提供最優(yōu)的環(huán)境數(shù)據(jù)。同時，利用智能識別技術(shù)，如圖像識別和機器學習算法，可以對煙草點株進行精確識別，包括株數(shù)統(tǒng)計、生長狀況評估和病蟲害檢測。通過對地塊的智能識別，管理人員能夠快速定位問題區(qū)域，及時采取相應(yīng)的農(nóng)業(yè)措施，如灌溉、施肥或噴灑農(nóng)藥，以確保煙草作物的健康生長。此外，通過地塊識別技術(shù)，可以對種植區(qū)進行精確的地塊劃分和管理，實現(xiàn)精準農(nóng)業(yè)的目標。每個地塊的具體條件和煙草生長狀況都可以被單獨記錄和分析，從而為種植區(qū)提供定制化的管理策略。這種智能化的管理方式不僅提高了煙草作物的產(chǎn)量和質(zhì)量，還有助于節(jié)約資源，減少對環(huán)境的影響，促進可持續(xù)農(nóng)業(yè)的發(fā)展?？傊瑢⑽锫?lián)網(wǎng)和智能識別技術(shù)應(yīng)用于煙草點株識別和地塊管理，對于提升煙草種植的效率和質(zhì)量，保護農(nóng)業(yè)生態(tài)環(huán)境，以及實現(xiàn)精準農(nóng)業(yè)具有重要意義。

3、隨著精準農(nóng)業(yè)的不斷發(fā)展，對煙草作物的點株計數(shù)和地塊識別提出了更高的要求?，F(xiàn)有的技術(shù)，雖然在各自的領(lǐng)域內(nèi)取得了顯著成果，但在煙草種植領(lǐng)域，尤其是點株級別的精細化管理方面，仍有待進一步探索。例如，在202410141779.2一種基于多源遙感影像的多云雨地區(qū)果樹樹齡測算方法中，采用多源高分辨率遙感影像對目標區(qū)域進行地塊邊界提取和果園地塊識別，對果園地塊的歷年植被指數(shù)進行斷點檢測，由此測算果樹樹齡，解決了現(xiàn)有基于遙感技術(shù)的樹齡測算方法難以在多云雨地區(qū)開展應(yīng)用的問題。但在自然界中，作物種類繁多，形態(tài)差異大，在做作物識別算法研究中，同一套算法應(yīng)用于大的物種種類識別上，可能會帶來識別準確率低的問題。當數(shù)據(jù)集發(fā)生變化或特定物種識別過程中數(shù)據(jù)集的訓練基礎(chǔ)模型少，就會帶來識別不準確的問題。

4、同時，由于針對煙草點株技術(shù)和地塊識別主要依據(jù)的是無人機采集的煙草種植區(qū)域圖像，為了獲取到完整數(shù)據(jù)通常會進行圖像冗余采集（例如針對煙草種植區(qū)域執(zhí)行多次不同位置和不同高度的圖像覆蓋采集），最終會得到大量的煙草種植區(qū)域圖像，并且每個煙草種植區(qū)域圖像中包含若干個完整或不完整煙草地塊，不同位置和不同高度的圖像對煙草種植識別具有不同的影響（不同位置的圖像會使得最后用于拼接整個煙草種植區(qū)域時采用不同的拼接策略，對識別效率具有影響；而不同高度的圖像一方面因為圖像像素特征質(zhì)量不同影響識別準確率，另一方面因為涵蓋面積不同采用不同拼接策略，對識別效率具有影響），如何從大量的煙草種植區(qū)域圖像中在保證識別準確率與識別效率的基礎(chǔ)上實現(xiàn)對每個煙草地塊的面積與煙草點株的識別，是本領(lǐng)域中的重難點。

5、?因此，如何提高煙草點株計數(shù)和地塊識別的識別效率和識別準確率，是一個亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種煙草點株計數(shù)和地塊識別方法、裝置、設(shè)備及存儲介質(zhì)，旨在解決目前煙草點株計數(shù)和地塊識別的效率與準確率不高的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供一種煙草點株計數(shù)和地塊識別方法，包括以下步驟：

3、獲取煙草種植樣地區(qū)域在煙草不同生產(chǎn)階段的樣地采集圖像，對所述樣地采集圖像進行預(yù)處理與數(shù)據(jù)標注，獲得訓練數(shù)據(jù)集；其中，所述數(shù)據(jù)標注包括對預(yù)處理后的樣地采集圖像進行煙草點株標注和煙草地塊標注；

4、將所述訓練數(shù)據(jù)集輸入預(yù)訓練swin?transformer模型進行煙草種植識別訓練，獲得煙草種植識別模型；

5、獲取煙草種植識別區(qū)域的若干張識別采集圖像和每張識別采集圖像的采集位置信息，將每張識別采集圖像輸入所述煙草種植識別模型，獲得每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果；

6、基于每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果，利用每張識別采集圖像的采集位置信息，生成煙草種植識別區(qū)域的煙草種植識別結(jié)果。

7、可選的，獲取煙草種植樣地區(qū)域在煙草不同生產(chǎn)階段的樣地采集圖像，對所述樣地采集圖像進行預(yù)處理與數(shù)據(jù)標注，獲得訓練數(shù)據(jù)集步驟，具體包括：

8、驅(qū)使配置有圖像采集裝置的無人機，按照預(yù)設(shè)航線定期執(zhí)行對煙草種植樣地區(qū)域的巡航飛行并控制圖像采集裝置執(zhí)行對樣地圖像的采集，獲得煙草種植樣地區(qū)域在煙草不同生產(chǎn)階段的樣地采集圖像；

9、對獲取的樣地采集圖像進行包括圖像校正、圖像去噪和圖像增強的預(yù)處理，針對預(yù)處理后的樣地采集圖像，采用矩形框標注工具和多邊形半自動標注工具分別對樣地采集圖像執(zhí)行煙草點株標注和煙草地塊標注，獲得訓練數(shù)據(jù)集。

10、可選的，將所述訓練數(shù)據(jù)集輸入預(yù)訓練swin?transformer模型進行煙草種植識別訓練，獲得煙草種植識別模型步驟，具體包括：

11、構(gòu)建swin?transformer模型框架，利用公開數(shù)據(jù)集對所述swin?transformer模型框架進行預(yù)訓練，獲得預(yù)訓練swin?transformer模型；

12、將所述訓練數(shù)據(jù)集中執(zhí)行煙草地塊標注和煙草點株標注的樣地采集圖像分別輸入所述預(yù)訓練swin?transformer模型，獲得訓練完成的煙草地塊識別模型和煙草點株識別模型。

13、可選的，獲取煙草種植識別區(qū)域的若干張識別采集圖像和每張識別采集圖像的采集位置信息，將每張識別采集圖像輸入所述煙草種植識別模型，獲得每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果步驟，具體包括：

14、驅(qū)使配置有圖像采集裝置和定位裝置的無人機，執(zhí)行對煙草種植識別區(qū)域的巡航飛行，控制圖像采集裝置和定位裝置分別執(zhí)行對樣地圖像的多次區(qū)域覆蓋采集和采集位置信息獲取，獲得煙草種植識別區(qū)域的若干張識別采集圖像和每張識別采集圖像的采集位置信息；

15、將每張識別采集圖像輸入煙草地塊識別模型和煙草點株識別模型進行識別，基于每張識別采集圖像的采集位置信息，獲得每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果。

16、可選的，多次區(qū)域覆蓋采集包括若干次不同采集高度的區(qū)域覆蓋采集；將每張識別采集圖像輸入煙草地塊識別模型和煙草點株識別模型進行識別，基于每張識別采集圖像的采集位置信息，獲得每張識別采集圖像中的若干個煙草地塊和每個煙草地塊的點株數(shù)據(jù)步驟，具體包括：

17、將每次區(qū)域覆蓋采集的采集高度附加到采集的每張識別采集圖像中，并將每張附帶有采集高度的識別采集圖像輸入煙草地塊識別模型，獲得每張識別采集圖像的煙草地塊識別結(jié)果；其中，所述煙草地塊識別結(jié)果包括由若干個邊界輪廓點構(gòu)成的煙草地塊邊界；

18、根據(jù)每張識別采集圖像的采集位置信息、圖像采集裝置拍攝圖像時的比例尺信息以及煙草地塊邊界中每個邊界輪廓點的圖像坐標，計算獲得每張識別采集圖像中每個煙草地塊的區(qū)域坐標范圍；

19、基于每張識別采集圖像中每個煙草地塊的區(qū)域坐標范圍、每張識別采集圖像的采集高度和煙草種植識別區(qū)域的區(qū)域坐標范圍，確定用于執(zhí)行煙草點株識別的最佳識別采集圖像樣本；

20、將所述最佳識別采集圖像樣本中的若干張識別采集圖像輸入煙草點株識別模型進行識別，獲得每張識別采集圖像的煙草點株識別結(jié)果；其中，所述煙草點株識別結(jié)果包括每個煙草地塊內(nèi)煙草點株的坐標位置。

21、可選的，基于每張識別采集圖像中每個煙草地塊的區(qū)域坐標范圍、每張識別采集圖像的采集高度和煙草種植識別區(qū)域的區(qū)域坐標范圍，確定用于執(zhí)行煙草點株識別的最佳識別采集圖像樣本步驟，具體包括：

22、基于每張識別采集圖像中每個煙草地塊的區(qū)域坐標范圍、每張識別采集圖像的采集高度和煙草種植識別區(qū)域的區(qū)域范圍坐標；

23、以選取的最佳識別采集圖像樣本中全部識別采集圖像的煙草地塊的區(qū)域坐標范圍的并集覆蓋煙草種植識別區(qū)域的區(qū)域坐標范圍為第一約束條件，以選取的最佳識別采集圖像樣本中每張識別采集圖像的采集高度與其煙草地塊面積占所有識別采集圖像中煙草地塊面積的比例作為權(quán)重的權(quán)重和低于預(yù)設(shè)值為第二約束條件，以選取的最佳識別采集圖像樣本中識別采集圖像的圖像數(shù)量最少為優(yōu)化目標，確定用于執(zhí)行煙草點株識別的最佳識別采集圖像樣本。

24、可選的，基于每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果，利用每張識別采集圖像的采集位置信息，生成煙草種植識別區(qū)域的煙草種植識別結(jié)果步驟，具體包括：

25、基于最佳識別采集圖像樣本中每張識別采集圖像的每個煙草地塊的區(qū)域坐標范圍，執(zhí)行區(qū)域坐標范圍的拼接與重復區(qū)域刪除，確定煙草種植識別區(qū)域中每個煙草地塊的區(qū)域坐標范圍和區(qū)域面積；

26、基于最佳識別采集圖像樣本中每張識別采集圖像的每個煙草地塊內(nèi)煙草點株的坐標位置，確定每個煙草地塊內(nèi)的煙草點株數(shù)量。

27、此外，為了實現(xiàn)上述目的，一種煙草點株計數(shù)和地塊識別裝置，包括：

28、獲取模塊，用于獲取煙草種植樣地區(qū)域在煙草不同生產(chǎn)階段的樣地采集圖像，對所述樣地采集圖像進行預(yù)處理與數(shù)據(jù)標注，獲得訓練數(shù)據(jù)集；其中，所述數(shù)據(jù)標注包括對預(yù)處理后的樣地采集圖像進行煙草點株標注和煙草地塊標注；

29、訓練模塊，用于將所述訓練數(shù)據(jù)集輸入預(yù)訓練swin?transformer模型進行煙草種植識別訓練，獲得煙草種植識別模型；

30、識別模塊，用于獲取煙草種植識別區(qū)域的若干張識別采集圖像和每張識別采集圖像的采集位置信息，將每張識別采集圖像輸入所述煙草種植識別模型，獲得每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果；

31、生成模塊，用于基于每張識別采集圖像的煙草地塊識別結(jié)果和煙草點株識別結(jié)果，利用每張識別采集圖像的采集位置信息，生成煙草種植識別區(qū)域的煙草種植識別結(jié)果。

32、此外，為了實現(xiàn)上述目的，本發(fā)明還提供了一種煙草點株計數(shù)和地塊識別設(shè)備，所述煙草點株計數(shù)和地塊識別設(shè)備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的煙草點株計數(shù)和地塊識別程序，所述煙草點株計數(shù)和地塊識別程序被所述處理器執(zhí)行時實現(xiàn)如上所述的煙草點株計數(shù)和地塊識別方法的步驟。

33、此外，為了實現(xiàn)上述目的，本發(fā)明還提供了一種存儲介質(zhì)，所述存儲介質(zhì)上存儲有煙草點株計數(shù)和地塊識別程序，所述煙草點株計數(shù)和地塊識別程序被處理器執(zhí)行時實現(xiàn)上述的煙草點株計數(shù)和地塊識別方法的步驟。

34、本發(fā)明的有益效果在于：提出了一種煙草點株計數(shù)和地塊識別方法、裝置、設(shè)備及存儲介質(zhì)，通過獲取煙草種植樣地區(qū)域的樣地采集圖像，在分別進行煙草點株標注和煙草地塊標注后構(gòu)建訓練數(shù)據(jù)集，利用訓練數(shù)據(jù)集對預(yù)訓練swin?transformer模型進行訓練獲得煙草地塊識別模型和煙草點株識別模型，獲取對煙草種植識別區(qū)域執(zhí)行若干次不同采集高度區(qū)域覆蓋采集的識別采集圖像，將識別采集圖像輸入煙草地塊識別模型，獲得每張識別采集圖像的煙草地塊識別結(jié)果，根據(jù)煙草地塊識別結(jié)果，考慮不同識別采集圖像的采集高度、識別采集圖像數(shù)量對應(yīng)的圖像處理與識別效率以及區(qū)域完整覆蓋條件，確定最佳識別采集圖像樣本，將最佳識別采集圖像樣本中的每張識別采集圖像輸入煙草點株識別模型，獲得草種植識別區(qū)域最終的煙草種植識別結(jié)果，在保證識別準確率與識別效率的基礎(chǔ)上實現(xiàn)對每個煙草地塊的面積與煙草點株的識別。