在精準農(nóng)業(yè)應(yīng)用中,大棚是一類重要的農(nóng)業(yè)設(shè)施,準確的大棚分布、使用信息獲取對于精準農(nóng)業(yè)規(guī)劃、農(nóng)業(yè)產(chǎn)值估算及相關(guān)政策制定具有重要意義。傳統(tǒng)人工調(diào)查耗時耗力,無人機遙感則是方便快捷的新興地表信息采集工具,十分適合大棚分布信息的快速獲取。本文利用無人機遙感技術(shù)手段,提出基于深度信息拓展語義分割網(wǎng)絡(luò)新方法,實現(xiàn)影像上大棚分布信息的自動精確提取。本論文主要工作如下:（1）開展了大棚無人機影像采集與樣本集生成針對大棚數(shù)據(jù)分布、形態(tài)特點,設(shè)置400m的航高,80%的航向重疊率和旁向重疊率,采集了2019年8月南京市江寧區(qū)約為2.52 km2的大棚區(qū)域影像。通過多視匹配技術(shù)生成實驗區(qū)稠密三維點云,然后通過仿射變化配準將深度信息映射到二維影像中,實現(xiàn)實驗區(qū)影像深度信息的恢復(fù)。而后對處理好的無人機影像進行數(shù)據(jù)標注,并制定了一套生成樣本集、影像分類的技術(shù)流程生成可供網(wǎng)絡(luò)訓(xùn)練的樣本集。（2）提出了基于深度信息拓展語義分割網(wǎng)絡(luò)的大棚提取方法在梳理多種經(jīng)典語義分割網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,對U-net和SegNet的基本網(wǎng)絡(luò)結(jié)構(gòu)進行結(jié)構(gòu)調(diào)整;進行了ASPP（Atrous Spatial Pyramid Pooling,空洞... 

【文章來源】：南京師范大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【部分圖文】：

融合深度信息的無人機影像大棚提取流程圖

第2章無人機數(shù)據(jù)采集及樣本集構(gòu)建10第2章無人機數(shù)據(jù)采集及樣本集構(gòu)建2.1無人機數(shù)據(jù)采集研究區(qū)位于江蘇省南京市江寧區(qū)（32°00"29.81"N,118°7"13.77"E），如圖2-1所示，拍攝于2019年8月19日下午。數(shù)據(jù)均由大疆無人機精靈Phantom4RTK拍攝，該款機型是多旋翼無人機，相較于其它機型，如固定翼機型等，在使用時更加靈活，使用者能夠?qū)εd趣區(qū)域定點規(guī)劃拍攝，并且Phantom4RTK操作簡單，也不需要無人機駕駛證，單塊電池的有效飛行時長為20min左右。實驗區(qū)以大棚為主，也包含農(nóng)用地、樹林、建筑物、水體、道路等地物，其中大棚都為塑料大棚，形態(tài)表現(xiàn)有差異，以白色大棚為主，形狀多數(shù)呈現(xiàn)為矩形，但其邊緣不規(guī)整，同時有不少破損的大棚。圖2-1研究區(qū)區(qū)位圖航拍時，天氣晴朗，地面風(fēng)速小于4級，適于無人機作業(yè)，拍攝時間是在夏季，夏季太陽高度角最高，這樣地物陰影會較短，一定程度上避免了影像中陰影帶來的影響。良好的風(fēng)速條件也為無人機創(chuàng)造了一個較好的飛行條件。無人機采集的數(shù)據(jù)后續(xù)需要進行深度信息的恢復(fù)，深度信息的恢復(fù)是通過點云作為中間步驟的，所以影像之間是需要一定重疊率的，重疊率過低可能會造成無法恢復(fù)出點云的問題，這里我們將航向重疊率、旁向重疊率都設(shè)為80%，云臺角度設(shè)為-90°以保證能夠獲得正射影像。本次數(shù)據(jù)采集中我們設(shè)定航拍高度為400m，我們認為400m下的成像效果較好，也利于后續(xù)的處理，如果航拍高度過高，一方面會出現(xiàn)無人機信號丟失等問題，另一方面過高的航拍高度會使得地物成像過小，地

第2章無人機數(shù)據(jù)采集及樣本集構(gòu)建11物過小，可能會使得丟失或者減弱一部分地物特征。同樣的，如果航拍高度過低，單張影像涵蓋的范圍過小，而使得影像中地物過大，并會增長無人機的飛行時長，飛行時長太長，一方面電池電量會是一個問題，另一方面可能會有天氣的變化，如云的遮擋等，地面上一些物體的移動等，如道路上行駛的的車輛，這樣可能會造成不同旁向、同一區(qū)域的影像不一致的問題，這會為后續(xù)處理帶來一定影響。此外，過低飛行高度會使得拍攝影像的總量增加，過大的數(shù)據(jù)量，對于后續(xù)的深度信息恢復(fù)、樣本集的構(gòu)建帶來效率問題。通過拍攝共獲取262張無人機影像，單張影像大小為5472像素×3648像素。具體實驗區(qū)參數(shù)如表2-1，無人機拍攝的實驗區(qū)部分影像如圖2-2：表2.1實驗區(qū)參數(shù)參數(shù)數(shù)值/類型航拍高度400m航向重疊率80%旁向重疊率80%飛行速度7m/s飛行面積約995m×1200m覆蓋面積約2.52km2云臺角度-90°成像大小18375像素×19585像素分辨率0.1m圖2-2無人機拍攝的實驗區(qū)部分圖片展示

【參考文獻】：
期刊論文
[1]基于高分辨率遙感影像與DSM的典型地物提取[J]. 宋亞斌,林輝,喻龍華,彭檢貴,江騰宇.  中南林業(yè)調(diào)查規(guī)劃. 2019(02)
[2]無人機遙感在塑料大棚識別中的方法研究[J]. 周潔,范熙偉,劉耀輝.  中國農(nóng)業(yè)信息. 2019(01)
[3]一種基于面向?qū)ο筝o以DSM的建筑物提取方法[J]. 王俊博,金琦,楊國東,張旭晴,詹國旗,邵鵬.  世界地質(zhì). 2018(04)
[4]深度遷移學(xué)習(xí)在高光譜圖像分類中的運用[J]. 王立偉,李吉明,周國民,楊東勇.  計算機工程與應(yīng)用. 2019(05)
[5]結(jié)合圖像語義分割的增強現(xiàn)實型平視顯示系統(tǒng)設(shè)計與研究[J]. 安喆,徐熙平,楊進華,喬楊,劉洋.  光學(xué)學(xué)報. 2018(07)
[6]無人機在精準農(nóng)業(yè)中的應(yīng)用現(xiàn)狀及發(fā)展困境[J]. 陳婷卓,晁栓.  農(nóng)業(yè)裝備技術(shù). 2018(03)
[7]基于改進全卷積網(wǎng)絡(luò)的多尺度感知行人檢測算法[J]. 劉輝,彭力,聞繼偉.  激光與光電子學(xué)進展. 2018(09)
[8]基于深度學(xué)習(xí)的大棚及地膜農(nóng)田無人機航拍監(jiān)測方法[J]. 孫鈺,韓京冶,陳志泊,史明昌,付紅萍,楊猛.  農(nóng)業(yè)機械學(xué)報. 2018(02)
[9]基于多特征融合的SVM高分辨率遙感影像建筑物提取方法[J]. 趙春暉,李思聰.  沈陽大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[10]無人機在精準農(nóng)業(yè)中的關(guān)鍵技術(shù)及應(yīng)用[J]. 段新宇.  農(nóng)業(yè)與技術(shù). 2017(13)



本文編號：3528366