(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211152750.1 (22)申请日 2022.09.21 (71)申请人 长春理工大 学 地址 130022 吉林省长 春市朝阳区卫星路 7186号 (72)发明人 杨宏伟　张婧　冯欣　孔一凡　 (74)专利代理 机构 北京方圆嘉 禾知识产权代理 有限公司 1 1385 专利代理师 王月松 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种农田秸秆覆盖率检测方法及系统 (57)摘要 本发明公开了一种农田秸秆覆盖率检测方 法及系统， 涉及秸秆覆盖率检测技术领域， 方法 包括： 获取待检测图像； 待检测图像为覆盖有秸 秆的农田的图像； 将待检测图像输入至秸秆像素 点确定模型中， 得到秸秆像素点； 秸秆像素点确 定模型由ResNet模型与金字塔特征融合模块构 成； 根据秸秆像素点计算待检测图像的秸秆覆盖 率。 U‑Net模型在进行分割预测时会过度依赖于 颜色信息， 导致模型经常将深颜色的秸秆错误判 断为土地， 本发明中秸秆像素点确定模型， 使用 深度模型ResNet作为主干网络， 更充分进行特征 提取， 确定秸秆像素点， 不会将深颜色的秸秆判 断为土地， 提高了秸秆像素点确定的准确性， 从 而提高了秸秆覆盖率检测的准确性。 权利要求书2页 说明书7页 附图3页 CN 115527114 A 2022.12.27 CN 115527114 A 1.一种农田秸秆覆盖率检测方法， 其特 征在于， 所述方法包括： 获取待检测图像； 所述待检测图像为覆盖有秸秆的农田的图像； 将所述待检测图像输入至秸秆像素点确定模型中， 得到秸秆像素点； 所述秸秆像素点 确定模型由ResNet模型与金字塔特 征融合模块构成； 根据所述 秸秆像素点计算所述待检测图像的秸秆覆盖率。 2.根据权利要求1所述的农田秸秆覆盖率检测方法， 其特征在于， 所述将所述待检测图 像输入至秸秆像素点确定模型中， 得到秸秆像素点， 具体包括： 将所述待检测图像输入至所述ResNet模型进行特征提取， 得到第一 高级特征图和第一 低级特征图； 所述第一高级特征图的分辨率为所述待检测图像的分辨率的 所述第一低 级特征图的分辨 率为所述待检测图像的分辨 率的 对所述第一低级特 征图依次进行2倍下采样和1*1的卷积 操作， 得到第二低级特 征图； 将所述第一高级特 征图与所述第二低级特 征图进行拼接， 得到第一 拼接图； 将所述第一高级特征图输入至所述金字塔特征融合模块中进行金字塔池化， 得到第 二 高级特征图； 将所述第一拼接图输入至所述金字塔特征融合模块中， 所述金字塔特征融合模块将所 述第一拼接图与所述第二高级特 征图进行加权拼接， 得到第二 拼接图； 将所述第二拼接 图进行上采样， 得到第三拼接 图； 所述第三拼接 图的分辨率与所述待 检测图像的分辨 率相同； 利用softmax激活函数， 根据所述第三 拼接图得到秸秆像素点。 3.根据权利要求2所述的农田秸秆覆盖率检测方法， 其特征在于， 所述根据所述秸秆像 素点计算所述待检测图像的秸秆覆盖率， 具体包括： 确定所述 秸秆像素点的个数； 利用秸秆覆盖率计算公式， 根据所述秸秆像素点的个数计算所述待检测图像的秸秆覆 盖率； 所述秸秆覆盖率计算公式为： R＝Sp/(H×W)， 其中， R表示所述待检测图像的秸秆覆盖 率， Sp表示所述秸秆像素点的个数， H表示所述第三拼接图的高， W表示所述第三拼接图的 宽。 4.根据权利要求2所述的农田秸秆覆盖率检测方法， 其特征在于， 所述将所述第 一高级 特征图输入至所述金字塔特征融合模块中进行金字塔池化， 得到第二高级特征图， 具体包 括： 将所述第一高级特 征图输入至所述金字塔特 征融合模块中进行池化， 得到池化图； 对所述池化图进行插值上采样， 得到第二高级特 征图。 5.一种农田秸秆覆盖率检测系统， 其特 征在于， 包括： 待检测图像获取模块， 用于获取待检测图像； 所述待检测图像为覆盖有秸秆的农田的 图像； 秸秆像素点确定模块， 用于将所述待检测图像输入至秸秆像素点确定模型中， 得到秸 秆像素点； 所述 秸秆像素点确定模型由ResNet模型与金字塔特 征融合模块构成； 秸秆覆盖率计算模块， 用于根据所述 秸秆像素点计算所述待检测图像的秸秆覆盖率。权　利　要　求　书 1/2 页 2 CN 115527114 A 26.根据权利要求5所述的农田秸秆覆盖率检测系统， 其特征在于， 所述秸秆像素点确定 模块， 具体包括： 特征提取子模块， 用于将所述待检测图像输入至所述ResNet模型进行特征提取， 得到 第一高级 特征图和 第一低级特征图； 所述第一高级特征图的分辨率为所述待检测图像的分 辨率的 所述第一低级特 征图的分辨 率为所述待检测图像的分辨 率的 第二低级特征图获取子模块， 用于对所述第一低级特征图依次进行2倍下采样和1*1的 卷积操作， 得到第二低级特 征图； 第一拼接图获取子模块， 用于将所述第一高级特征图与所述第二低级特征图进行拼 接， 得到第一 拼接图； 第二高级特征图获取子模块， 用于将所述第 一高级特征图输入至所述金字塔特征融合 模块中进行 金字塔池化， 得到第二高级特 征图； 第二拼接 图获取子模块， 用于将所述第一拼接 图输入至所述金字塔特征融合模块中， 所述金字塔特征融合模块将所述第一拼接图与所述第二高级 特征图进 行加权拼接， 得到第 二拼接图； 第三拼接图获取子模块， 用于将所述第二拼接图进行上采样， 得到第 三拼接图； 所述第 三拼接图的分辨 率与所述待检测图像的分辨 率相同； 秸秆像素点确定子模块， 用于利用softmax激活函数， 根据所述第三拼接图得到秸秆像 素点。 7.根据权利要求6所述的农田秸秆覆盖率检测系统， 其特征在于， 所述秸秆覆盖率计算 模块， 具体包括： 个数确定 子模块， 用于确定所述 秸秆像素点的个数； 秸秆覆盖率计算子模块， 用于利用秸秆覆盖率计算公式， 根据所述秸秆像素点的个数 计算所述待检测图像的秸秆覆盖率； 所述秸秆覆盖率计算公式为： R＝Sp/(H×W)， 其中， R表 示所述待检测图像的秸秆覆盖率， Sp表示所述秸秆像素点的个数， H表示所述第三拼接图的 高， W表示所述第三 拼接图的宽 。 8.根据权利要求6所述的农田秸秆覆盖率检测系统， 其特征在于， 所述第 二高级特征图 获取子模块， 具体包括： 池化单元， 用于将所述第一高级特征图输入至所述金字塔特征融合模块中进行池化， 得到池化图； 第二高级特 征图获取 单元， 用于对所述池化图进行插值上采样， 得到第二高级特 征图。权　利　要　求　书 2/2 页 3 CN 115527114 A 3