基于地块自动识别和纹理分析的制种玉米遥感识别方法

1.本发明涉及作物识别技术领域，尤其涉及一种基于地块自动识别和纹理分析的制种玉米遥感识别方法。


背景技术：

2.玉米作为我国主要的粮食作物，快速、准确地监测制种玉米的生产面积，是确保农业供种安全、加强种子生产监管的迫切要求。传统玉米、制种玉米等农作物面积获取通常由种子管理部门汇总而得，人为因素影响较大，效率低、速度慢。
3.遥感技术以其快速、覆盖范围广、实时获取大面积地表丰富信息等特点，较好地弥补传统技术方法的不足，成为农作物信息获取的重要手段。结合制种玉米的种植方式、物候特征和遥感影像的光谱特征、纹理结构特征等信息，客观、及时地获取制种玉米的种植面积及空间分布信息，是实现制种玉米生产精准监管的必然选择。
4.以往制种玉米的监测研究是基于中高分辨率遥感数据，通过植被指数及纹理结构特征，开展像元尺度的制种玉米的监测提取。根据制种玉米种植模式，基于像元尺度的纹理特征分析，对于制种玉米种植面积的估算存在精度不高的问题。


技术实现要素：

5.针对现有技术存在的问题，本发明实施例提供一种基于地块自动识别和纹理分析的制种玉米遥感识别方法。
6.本发明提供一种基于地块自动识别和纹理分析的制种玉米遥感识别方法，包括：
7.将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；
8.基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
9.在一些实施例中，所述将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块，包括：
10.将所述高分辨率卫星影像分割为目标尺寸的多个影像；
11.将所述多个影像输入所述目标识别模型中进行玉米地块识别，得到所述多个影像对应的玉米地块；
12.将所述多个影像对应的玉米地块进行拼接，得到所述目标区域内的玉米田块。
13.在一些实施例中，所述将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块之后，还包括：
14.对所述目标区域内的玉米田块进行图像形态学开运算，确定完全分割后的玉米田块；
15.对所述完全分割后的玉米田块中的图斑进行删除。
16.在一些实施例中，所述基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块，包括：
17.基于预设尺寸的窗口，对所述目标区域内的玉米田块的图像的红波段进行遍历，确定灰度共生矩阵；
18.将所述灰度共生矩阵的熵特征，确定为所述纹理特征；
19.基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
20.在一些实施例中，所述基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块，包括：
21.基于所述纹理特征的平均值和箱型图分析方法，确定分割阈值；
22.基于所述分割阈值对目标区域内的玉米田块进行二分类，确定制种玉米田块。
23.本发明还提供一种基于地块自动识别和纹理分析的制种玉米遥感识别装置，包括：
24.第一识别模块，用于将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；
25.第二识别模块，用于基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
26.在一些实施例中，所述第一识别模块，具体用于：
27.将所述高分辨率卫星影像分割为目标尺寸的多个影像；
28.将所述多个影像输入所述目标识别模型中进行玉米地块识别，得到所述多个影像对应的玉米地块；
29.将所述多个影像对应的玉米地块进行拼接，得到所述目标区域内的玉米田块。
30.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于地块自动识别和纹理分析的制种玉米遥感识别方法。
31.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于地块自动识别和纹理分析的制种玉米遥感识别方法。
32.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于地块自动识别和纹理分析的制种玉米遥感识别方法。
33.本发明提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，通过目标识别模型对目标区域的高分辨率卫星影像进行玉米地块的自动识别，并根据纹理特征对制种玉米田块进行遥感识别，提高了制种玉米田块的识别精度，并实现了快速、准确地获取制种玉米种植分布和面积估算，为制种玉米的监测监管提供技术支撑。
附图说明
34.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术
storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本发明不作具体限定。
47.在步骤101中，将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的。
48.目视解译是遥感图像解译的一种，又称目视判读，或目视判译，是遥感成像的逆过程。它指专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。目视解译是指凭借人的眼睛(也可借助光学仪器)，依靠解译者的知识、经验和掌握的相关资料，通过大脑分析、推理、判断，提取遥感图像中有用的信息。
49.对采集的原始高分辨率卫星影像，通过目视解译，在研究区的部分区域，人工矢量化获取原始高分辨率卫星影像中的玉米地块。
50.将获取的玉米地块矢量文件转换成栅格文件，以及将原始遥感影像进行裁剪、图像增强后分割成512*512大小的图像，作为样本以及样本对应的标签，根据该样本以及该样本对应的标签构建训练集和测试集。
51.将训练集输入到u
2-net网络，通过设置各项超参数进行训练，并根据测试集进行测试，从而得到训练好的目标识别模型。目标识别模型用于提取高分辨率卫星影像中的玉米田块。
52.在一些实施例中，所述将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块，包括：
53.将所述高分辨率卫星影像分割为目标尺寸的多个影像；
54.将所述多个影像输入所述目标识别模型中进行玉米地块识别，得到所述多个影像对应的玉米地块；
55.将所述多个影像对应的玉米地块进行拼接，得到所述目标区域内的玉米田块。
56.将采集到的目标区域的高分辨率卫星影像切割至512*512大小的多个影像。
57.然后将分割后的多个影像输入训练好的目标识别模型中进行玉米地块识别，可以提取多个影像对应的玉米地块的栅格数据。
58.将多个影像对应的玉米地块进行拼接，从而获得目标区域内的玉米地块数据。
59.可选地，所述将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块之后，还包括：
60.对所述目标区域内的玉米田块进行图像形态学开运算，确定完全分割后的玉米田块；
61.对所述完全分割后的玉米田块中的图斑进行删除。
62.对分割后的玉米地块的数据进行图像形态学开运算，打断地块间的不正常连接，即图像中部分未能完全分割的地块，得到完全分割后的玉米田块。
63.同时筛选图像中的小图斑进行删除，通过栅格转矢量方法，获取玉米地块的矢量多边形地块数据，即独立完整的玉米田块。
64.在步骤102中，基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
65.在一些实施例中，所述基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块，包括：
66.基于预设尺寸的窗口，对所述目标区域内的玉米田块的图像的红波段进行遍历，确定灰度共生矩阵；
67.将所述灰度共生矩阵的熵特征，确定为所述纹理特征；
68.基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
69.通过设置7*7大小的窗口，对目标区域内的玉米田块的图像的红波段进行遍历，根据窗口计算生成灰度共生矩阵。
70.并提取灰度共生矩阵的熵特征，获取目标区域的灰度共生矩阵熵特征图像，熵特征可用于作为识别制种玉米和大田玉米的遥感识别纹理特征。
71.在一些实施例中，所述基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块，包括：
72.基于所述纹理特征的平均值和箱型图分析方法，确定分割阈值；
73.基于所述分割阈值对目标区域内的玉米田块进行二分类，确定制种玉米田块。
74.通过计算目标区域内的玉米地块内部的熵特征的平均值，利用箱型图分析方法，统计制种玉米和大田玉米的熵特征的分割阈值，
75.基于该分割阈值对所有地块进行二分类，获取研究区制种玉米和大田玉米的分类制图。
76.最后，将分类后的地块进行拼接处理，形成目标区域的制种玉米和大田玉米的遥感识别结果图。
77.本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，通过目标识别模型对目标区域的高分辨率卫星影像进行玉米地块的自动识别，并根据纹理特征对制种玉米田块进行遥感识别，提高了制种玉米田块的识别精度，并实现了快速、准确地获取制种玉米种植分布和面积估算，为制种玉米的监测监管提供技术支撑。
78.图2是本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法的流程示意图之二，如图2所示，本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，包括：
79.(1)训练集构建
80.根据原始高分辨率卫星影像，通过目视解译，在研究区的部分区域，人工矢量化获取影像中的玉米地块，将玉米地块矢量文件转换成栅格文件，并与原始遥感影像进行裁剪、图像增强后分割成512*512大小的图像作为训练集影像及标签。
81.(2)基于u
2-net网络分割的玉米地块自动提取
82.将训练集输入到u
2-net网络，通过设置各项超参数进行训练；将采集的高分辨率卫星影像切割至512*512大小的多个区域，利用训练的网络模型，将分割后的影像数据集输入该网络模型，实现了影像的图像分割，获得玉米地块的栅格数据，然后将区块进行了拼接处理，获得研究区玉米地块分割数据。
83.(3)玉米地块的形态学处理
84.对分割后的玉米地块数据进行图像形态学开运算，打断图像中部分未能完全分割的地块；同时筛选图像中的小图斑进行删除，通过栅格转矢量方法，获取玉米的矢量多边形
地块数据。
85.(4)地块尺度灰度共生矩阵熵特征提取
86.设置7*7大小的窗口遍历地块图像的红波段，根据窗口计算生成灰度共生矩阵并提取矩阵的熵特征，获取研究区灰度共生矩阵熵特征图像。
87.(5)制种玉米识别
88.计算玉米地块内部的熵特征的平均值，利用箱型图分析，统计制种玉米和大田玉米的熵特征的分割阈值，基于该分割阈值对所有地块进行二分类，获取研究区制种玉米和大田玉米的分类制图。
89.下面结合具体场景对本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法进行描述。
90.首先确定研究区和数据，研究区位于某省某市某区西部，采集了0.5米分辨率影像，影像时间为2022年8月5号。
91.本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法的实验结果包括：
92.(1)基于u
2-net网络的玉米地块分割结果
93.u
2-net网络经过训练后，把待分类影像裁剪512*512大小的影像集，输入到训练好的深度学习网络中进行地块自动提取，图3是本发明实施例提供的地块自动识别结果的示意图之一，图4是本发明实施例提供的地块自动识别结果的示意图之二，地块提取结果如图3和图4所示。
94.(2)地块尺度的灰度共生矩阵熵特征计算结果
95.在地块尺度，统计计算图像的灰度共生矩阵并提取熵特征，利用箱型图统计分析，制种玉米地块熵特征明显高于大田玉米。利用熵特征可以有效识别制种玉米。
96.(3)制种玉米识别结果
97.结合箱型图分析结果，结合精度评价，确定制种玉米熵特征阈值为1.55，根据阈值对地块进行分类后再镶嵌融合，得到研究区的影像区域的制种玉米识别结果。
98.(4)分类精度评价
99.基于获取的验证样本点对分类结果进行了精度验证，总体准确率94.52％，kappa系数为0.886，具体分类精度结果如表1所示：
100.表1
[0101][0102][0103]
本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，基于高分辨率卫星影像，提出结合地块自动识别和纹理分析的制种玉米遥感识别方法，实现了快速、准确地获取制种玉米种植分布和面积估算，为制种玉米的监测监管提供技术支撑。
[0104]
下面对本发明提供的基于地块自动识别和纹理分析的制种玉米遥感识别装置进行描述，下文描述的基于地块自动识别和纹理分析的制种玉米遥感识别装置与上文描述的
基于地块自动识别和纹理分析的制种玉米遥感识别方法可相互对应参照。
[0105]
图5是本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别装置的结构示意图，如图5所示，本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别装置，包括：
[0106]
第一识别模块510，用于将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；
[0107]
第二识别模块520，用于基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
[0108]
在此需要说明的是，本发明实施例提供的基于地块自动识别和纹理分析的制种玉米遥感识别装置，能够实现上述基于地块自动识别和纹理分析的制种玉米遥感识别方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0109]
可选地，所述第一识别模块510，具体用于：
[0110]
将所述高分辨率卫星影像分割为目标尺寸的多个影像；
[0111]
将所述多个影像输入所述目标识别模型中进行玉米地块识别，得到所述多个影像对应的玉米地块；
[0112]
将所述多个影像对应的玉米地块进行拼接，得到所述目标区域内的玉米田块。
[0113]
可选地，还包括：删除模块，用于：
[0114]
对所述目标区域内的玉米田块进行图像形态学开运算，确定完全分割后的玉米田块；
[0115]
对所述完全分割后的玉米田块中的图斑进行删除。
[0116]
可选地，所述第二识别模块520，具体用于：
[0117]
基于预设尺寸的窗口，对所述目标区域内的玉米田块的图像的红波段进行遍历，确定灰度共生矩阵；
[0118]
将所述灰度共生矩阵的熵特征，确定为所述纹理特征；
[0119]
基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
[0120]
可选地，所述第二识别模块520，具体用于：
[0121]
基于所述纹理特征的平均值和箱型图分析方法，确定分割阈值；
[0122]
基于所述分割阈值对目标区域内的玉米田块进行二分类，确定制种玉米田块。
[0123]
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(communications interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行基于地块自动识别和纹理分析的制种玉米遥感识别方法，该方法包括：将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；基于所述目标区域内的玉米田块的纹理特征，在
所述目标区域内的玉米田块中识别制种玉米田块。
[0124]
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0125]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，该方法包括：将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
[0126]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，该方法包括：将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。
[0127]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0128]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0129]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和
范围。

技术特征：
1.一种基于地块自动识别和纹理分析的制种玉米遥感识别方法，其特征在于，包括：将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。2.根据权利要求1所述的基于地块自动识别和纹理分析的制种玉米遥感识别方法，其特征在于，所述将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块，包括：将所述高分辨率卫星影像分割为目标尺寸的多个影像；将所述多个影像输入所述目标识别模型中进行玉米地块识别，得到所述多个影像对应的玉米地块；将所述多个影像对应的玉米地块进行拼接，得到所述目标区域内的玉米田块。3.根据权利要求1所述的基于地块自动识别和纹理分析的制种玉米遥感识别方法，其特征在于，所述将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块之后，还包括：对所述目标区域内的玉米田块进行图像形态学开运算，确定完全分割后的玉米田块；对所述完全分割后的玉米田块中的图斑进行删除。4.根据权利要求1所述的基于地块自动识别和纹理分析的制种玉米遥感识别方法，其特征在于，所述基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块，包括：基于预设尺寸的窗口，对所述目标区域内的玉米田块的图像的红波段进行遍历，确定灰度共生矩阵；将所述灰度共生矩阵的熵特征，确定为所述纹理特征；基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。5.根据权利要求4所述的基于地块自动识别和纹理分析的制种玉米遥感识别方法，其特征在于，所述基于所述纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块，包括：基于所述纹理特征的平均值和箱型图分析方法，确定分割阈值；基于所述分割阈值对目标区域内的玉米田块进行二分类，确定制种玉米田块。6.一种基于地块自动识别和纹理分析的制种玉米遥感识别装置，其特征在于，包括：第一识别模块，用于将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；第二识别模块，用于基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。7.根据权利要求6所述的基于地块自动识别和纹理分析的制种玉米遥感识别装置，其
特征在于，所述第一识别模块，具体用于：将所述高分辨率卫星影像分割为目标尺寸的多个影像；将所述多个影像输入所述目标识别模型中进行玉米地块识别，得到所述多个影像对应的玉米地块；将所述多个影像对应的玉米地块进行拼接，得到所述目标区域内的玉米田块。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于地块自动识别和纹理分析的制种玉米遥感识别方法。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于地块自动识别和纹理分析的制种玉米遥感识别方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于地块自动识别和纹理分析的制种玉米遥感识别方法。

技术总结
本发明提供一种基于地块自动识别和纹理分析的制种玉米遥感识别方法，所述方法包括：将目标区域的高分辨率卫星影像输入至目标识别模型中进行玉米地块识别，得到所述目标区域内的玉米田块；所述目标识别模型是通过样本及所述样本对应的样本标签训练得到；所述样本及所述样本对应的样本标签是通过对原始高分辨率卫星影像进行目视解译得到的；基于所述目标区域内的玉米田块的纹理特征，在所述目标区域内的玉米田块中识别制种玉米田块。本发明提供的基于地块自动识别和纹理分析的制种玉米遥感识别方法，提高了制种玉米田块的识别精度，并实现了快速、准确地获取制种玉米种植分布和面积估算，为制种玉米的监测监管提供技术支撑。撑。撑。


技术研发人员：王红岩 李强子 沈云祺 杜鑫 张源 王月婷 张思宸
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2023.05.19
技术公布日：2023/9/14