(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 202210809926.X (22)申请日 2022.07.11 (71)申请人 张家港江苏 科技大学产业技术研究 院 地址 215600 江苏省苏州市张家港高新区 长兴中路8号 (72)发明人 李洋　金诚谦　朱童　周嘉宁　 蒋智磊　赵锦宇　 (74)专利代理 机构 北京东方芊悦知识产权代理 事务所(普通 合伙) 11591 专利代理师 陈益奇 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 作物种植行的检测方法、 设备、 系统及可读 存储介质 (57)摘要 作物种植行的检测方法、 设备、 系统及可读 存储介质。 本发 明提供了一种作物种植行的检测 方法， 利用种植行内的相邻株的水平偏移量的估 计值和实际值计算降采样后得到的所述特征图 的边界框的置信度， 据此剔除检测锚框中杂草等 植株的干扰， 提升作物种植行的检测精度， 降低 行间和株间杂草对检测锚框的影 响， 尤其适用于 水稻等杂草、 作物生态学特征相近， 区分难度较 大的作物种植行提取， 可为 “除草避苗 ”作业路径 进行参考， 从而为水稻等作物的智能化除草、 收 割装备的研发提供支撑 。 权利要求书2页 说明书6页 附图3页 CN 115049932 A 2022.09.13 CN 115049932 A 1.一种作物种植行的检测方法， 其特 征在于， 包括： 摄像头骑垄匀速行进以拍摄作物的种植行的原 始图像； 将所述原始图像输入卷积神经网络 中进行降采样， 得到m ×m个等大的特征图， m等于所 述原始图像的像素除以降采样的倍数； 基于种植行内的相邻株的水平偏移量的估计值和实际值获取所述特征图的边界框的 置信度； 保留所述特征图中置信度大于设定 阈值的边界框， 并从保留的所述边界框 中选出置信 度最大的所述 边界框及其 位置信息； 将置信度最大的所述边界框的位置信 息作为学习目标， 输入所述卷积神经网络 中进行 反向学习， 得到植株的最优识别框及其 位置信息； 利用植株的最优识别框的位置信息拟合出种植行。 2.如权利要求1所述的作物种植行的检测方法， 其特征在于， 将所述原始图像输入卷积 神经网络中进行降采样之前， 还 包括： 利用图像压缩算法对所述原 始图像进行压缩。 3.如权利要求1所述的作物种植行的检测方法， 其特征在于， 根据如下公式计算出种植 行内的相邻株的水平偏移量的实际值dl： dl＝s×tanα； 其中， s为所述摄 像头的行驶距离， α 为所述摄 像头的航向偏角。 4.如权利要求3所述的作物种植行的检测方法， 其特征在于， 根据如下公式计算出所述 特征图的边界框的置信度Pc： 其中， d为种植行内的相邻株的水平偏移量的估计值， w为预设的种植行偏离阈值， Pob代 表检测锚框是否有植株， 当Pob＝1时表示检测锚框有植株， 当Pob＝0时表示检测锚框没有植 株， Pcl表示植株是作物或是杂草的概率， Preal表示预先标定的真实框与所述边界框的相交 部分的面积， Pbox‑area表示所述 边界框的面积， t为权 重参数， 根据dl的值确定 。 5.如权利要求1所述的作物种植行的检测方法， 其特征在于， 置信度最大的所述边界框 的位置信息及植株的最优识别框的位置信息均包括宽度、 高度及中心点的位置 。 6.如权利要求1所述的作物种植行的检测方法， 其特征在于， 将置信度最大的所述边界 框的位置信息作为学习目标， 输入所述卷积神经网络中进 行反向学习后得到若干初始识别 框， 利用非极大值抑制函数对所述初始识别框进行筛选， 得到植株的最优识别框及其位置 信息。 7.如权利要求1所述的作物种植行的检测方法， 其特征在于， 基于植株的最优识别框的 位置信息利用分段线性回归函数拟合出种植行。 8.一种作物种植行的检测设备， 其特 征在于， 包括： 摄像头， 用于骑垄匀速行进以拍摄作物的种植行的原 始图像；权　利　要　求　书 1/2 页 2 CN 115049932 A 2输入模块， 用于将所述原始图像输入卷积神经网络中进行降采样， 得到m ×m个等大的 特征图， m等于所述原 始图像的像素除以降采样的倍数； 置信度计算模块， 用于基于种植行内的相邻株的水平偏移量的估计值和实际值获取所 述特征图的边界框的置信度； 边界框筛选模块， 用于保留所述特征图中置信度大于设定阈值的边界框， 并从保留的 所述边界框中选出置信度最大的所述 边界框及其 位置信息； 反向学习模块， 用于将置信度最大的所述边界框的位置信息作为学习目标， 输入所述 卷积神经网络中进行反向学习， 得到植株的最优识别框及其 位置信息； 拟合模块， 用于利用植株的最优识别框的位置信息拟合出种植行。 9.一种作物种植行的检测系统， 其特征在于， 包括处理器和存储器， 所述存储器上存储 有指令， 当所述指令被所述处理器执行时， 实现如权利要求1至7中任一项所述的作物种植 行的检测方法。 10.一种非暂态计算机可读存储介质， 其特征在于， 所述非暂态计算机可读存储介质上 存储有指令， 当所述指令被执行时， 实现如权利要求1至7中任一项所述的作物种植行 的检 测方法。权　利　要　求　书 2/2 页 3 CN 115049932 A 3