地膜残留量的预测方法、装置、设备及存储介质

技术领域

本申请涉及无人机识别预测技术领域，具体而言，涉及一种地膜残留量的预测方法、装置、设备及存储介质。

背景技术

在地面的农田中，通常会设置铺设在农作物上的地膜，地膜随着时间的推移会发生降解或者损毁，为了获取地面农田中未来地膜的残留量的多少，通常需要基于无人机获取实际农田中地膜面积从而进行预测。

现有技术中，通常是基于预先配置的预测模型进行未来地膜的残留量的预测。

然而，现有技术中采用预测模型通常较为单一，没有对不同的地貌、地域进行区分，因此，对于某些地貌、地域，模型预测的准确性可能较低，这就导致了在进行模型预测的过程中，存在一定的预测误差，也即是说，预测地膜残留量的准确性较低。

发明内容

本申请的目的在于提供一种地膜残留量的预测方法、装置、设备及存储介质，可以提高对地膜残留量预测的准确性。

本申请的实施例是这样实现的：

本申请实施例的一方面，提供一种地膜残留量的预测方法，该方法应用于计算机设备，计算机设备与无人机通信连接，该方法包括：

获取样本融合图像以及样本区域内地膜残留量，样本融合图像为无人机在样本区域内拍摄到的样本地面图像处理后得到的图像，样本区域与待预测的目标区域的地质属性一致；

在样本融合图像中确定样本区域内的地膜面积；

基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型，第一目标计算模型用于表征样本区域内的地膜面积与地膜残留量预测值的对应关系；

将无人机采集到的目标区域的实际地膜面积输入至第一目标计算模型中，得到目标区域中地膜残留量的预测值。

可选地，基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型，包括：

基于样本区域内的地膜面积以及样本区域内地膜残留量，分别确定预先配置的多个地膜残留量的预测模型中各预测模型的模型精度以及采用各预测模型得到的样本区域内地膜残留量预测值；

将各预测模型中模型精度最高的预测模型作为目标预测模型；

基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型。

可选地，基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型，包括：

将样本区域内的地膜面积作为模型的输入参数、采用目标预测模型得到的样本区域内地膜残留量预测值作为模型的输出结果，拟合出样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值的线性函数关系；

根据线性函数关系构建得到第一目标计算模型。

可选地，在样本融合图像中确定样本区域内的地膜面积之后，该方法还包括：

基于样本区域内的地膜面积、样本区域内地膜实际降解率以及预先配置的多个地膜降解率的预测模型拟合出第二目标计算模型，第二目标计算模型用于表征样本区域内的地膜面积与样本区域内地膜降解率的预测值的对应关系；

将无人机采集到的目标区域的实际地膜面积输入至第二目标计算模型中，得到目标区域中地膜降解率的预测值。

可选地，在样本融合图像中确定样本区域内的地膜面积，包括：

对样本融合图像进行地膜区域识别，确定目标地膜区域范围；

在目标地膜区域范围中确定地膜像元数量；

基于地膜像元数量以及样本融合图像中的单位像元的面积计算得到样本区域内的地膜面积。

可选地，对样本融合图像进行地膜区域识别，确定目标地膜区域范围，包括：

响应于区域划分操作，确定目标地膜区域的初始范围；

基于预先配置的各类地物阈值范围对目标地膜区域的初始范围进行调整，得到目标地膜区域范围。

可选地，获取样本融合图像，包括：

获取无人机拍摄的多个多光谱波段的反射率灰度图；

对多个多光谱波段的反射率灰度图进行波段融合，得到初始融合图像；

对初始融合图像进行去异常值处理，得到样本融合图像。

本申请实施例的另一方面，提供一种地膜残留量的预测装置，该装置应用于计算机设备，计算机设备与无人机通信连接，该装置包括：获取模块、确定模块、拟合模块以及计算模块；

获取模块，用于获取样本融合图像以及样本区域内地膜残留量，样本融合图像为无人机在样本区域内拍摄到的样本地面图像处理后得到的图像，样本区域与待预测的目标区域的地质属性一致；

确定模块，用于在样本融合图像中确定样本区域内的地膜面积；

拟合模块，用于基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型，第一目标计算模型用于表征样本区域内的地膜面积与地膜残留量预测值的对应关系；

计算模块，用于将无人机采集到的目标区域的实际地膜面积输入至第一目标计算模型中，得到目标区域中地膜残留量的预测值。

可选地，拟合模块，具体用于基于样本区域内的地膜面积以及样本区域内地膜残留量，分别确定预先配置的多个地膜残留量的预测模型中各预测模型的模型精度以及采用各预测模型得到的样本区域内地膜残留量预测值；将各预测模型中模型精度最高的预测模型作为目标预测模型；基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型。

可选地，拟合模块，具体用于将样本区域内的地膜面积作为模型的输入参数、采用目标预测模型得到的样本区域内地膜残留量预测值作为模型的输出结果，拟合出样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值的线性函数关系；根据线性函数关系构建得到第一目标计算模型。

可选地，拟合模块，还用于基于样本区域内的地膜面积、样本区域内地膜实际降解率以及预先配置的多个地膜降解率的预测模型拟合出第二目标计算模型，第二目标计算模型用于表征样本区域内的地膜面积与样本区域内地膜降解率的预测值的对应关系；计算模块，还用于将无人机采集到的目标区域的实际地膜面积输入至第二目标计算模型中，得到目标区域中地膜降解率的预测值。

可选地，确定模块，具体用于对样本融合图像进行地膜区域识别，确定目标地膜区域范围；在目标地膜区域范围中确定地膜像元数量；基于地膜像元数量以及样本融合图像中的单位像元的面积计算得到样本区域内的地膜面积。

可选地，确定模块，具体用于响应于区域划分操作，确定目标地膜区域的初始范围；基于预先配置的各类地物阈值范围对目标地膜区域的初始范围进行调整，得到目标地膜区域范围。

可选地，获取模块，具体用于获取无人机拍摄的多个多光谱波段的反射率灰度图；对多个多光谱波段的反射率灰度图进行波段融合，得到初始融合图像；对初始融合图像进行去异常值处理，得到样本融合图像。

本申请实施例的另一方面，提供一种计算机设备，包括：存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述地膜残留量的预测方法的步骤。

本申请实施例的另一方面，提供一种计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述地膜残留量的预测方法的步骤。

本申请实施例的有益效果包括：

本申请实施例提供的一种地膜残留量的预测方法、装置、设备及存储介质中，可以获取样本融合图像以及样本区域内地膜残留量；在样本融合图像中确定样本区域内的地膜面积；基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型；将无人机采集到的目标区域的实际地膜面积输入至第一目标计算模型中，得到目标区域中地膜残留量的预测值。其中，在进行拟合计算的过程中，可以基于预先配置的多个地膜残留量的预测模型进行选择，采用其中精度最高的预测模型得到第一目标计算模型，进而通过第一目标计算模型可以更加准确地实现对目标区域中地膜残留量的预测，也即是可以提高预测的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的地膜残留量的预测方法的场景示意图；

图2为本申请实施例提供的地膜残留量的预测方法的流程示意图一；

图3为本申请实施例提供的地膜残留量的预测方法的流程示意图二；

图4为本申请实施例提供的地膜残留量的预测方法的流程示意图三；

图5为本申请实施例提供的地膜残留量的预测方法的流程示意图四；

图6为本申请实施例提供的地膜残留量的预测方法的流程示意图五；

图7为本申请实施例提供的地膜残留量的预测方法的流程示意图六；

图8为本申请实施例提供的地膜残留量的预测装置的结构示意图；

图9为本申请实施例提供的计算机设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了对本申请中所涉及的相关内容进行更好的诠释，下面对本申请实施例中所涉及的相关专有名词进行解释。

地膜：即地面覆盖薄膜，通常是透明或黑色薄膜，也有绿、银色薄膜，用于地面覆盖，以提高土壤温度，保持土壤水分，维持土壤结构，防止害虫侵袭作物和某些微生物引起的病害等，促进植物生长的功能。

地膜残留量：随着时间的推移，铺设在地面上的地膜会被降解以及腐蚀等，最终由原始铺设完全的地膜变为残留的地膜，残留的地膜的质量也即是地膜残留量。

本申请方案也即是对铺设有地膜的区域中未来的地膜残留量的预测过程。下面来具体解释本申请实施例中提供的地膜残留量的预测方法的具体应用场景。

图1为本申请实施例提供的地膜残留量的预测方法的场景示意图请参照图1，该场景中可以包括计算机设备110和无人机120，计算机设备110可以与无人机120通信连接。

其中，计算机设备110具体可以是电脑、手机、平板电脑或者专用电子设备等计算机设备，在此不作具体限制。

无人机120任意一种具有图像拍摄功能的电子设备，可以基于摄像头或者其他摄像设备获取地面的相关图像信息，并可以通过与计算机设备110的通信连接，将相关图像信息发送给计算机设备110。

在实际工作的过程中，可以通过无人机120拍摄到地面农田中的地膜铺设影像，并可以将该地膜铺设影像传输给计算机设备110，计算机设备基于该地膜铺设影像计算出地膜面积。

下面来具体解释本申请实施例中提供的地膜残留量的预测方法的具体实施过程。

图2为本申请实施例提供的地膜残留量的预测方法的流程示意图一请参照图2，该方法的执行主体可以是前述的计算机设备，该方法包括：

S210：获取样本融合图像以及样本区域内地膜残留量。

其中，样本区域与待预测的目标区域的地质属性一致。

可选地，样本融合图像可以是无人机在样本区域内拍摄到的样本地面图像处理后得到的图像，也即是无人机传输给计算机设备相关图像信息之后，进行图像处理融合后的得到的图像。

其中，样本区域可以是已知地膜残留量的区域，该样本区域与待预测的目标区域的地质属性一致，例如：同为平原区域。并且，样本区域内的地膜范围可以预先通过实地测量等方式获取。

S220：在样本融合图像中确定样本区域内的地膜面积。

可选地，在获取到样本融合图像之后，可以基于该图像进行地膜识别，进而可以从样本融合图像中确定该样本区域内的地膜面积。

其中，样本区域内的地膜面积可以是该样本区域内初始铺设的地膜总面积，该样本区域内地膜残留量也即是由初始铺设的地膜总面积内的全部地膜随时间变化后得到的。

S230：基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型。

其中，第一目标计算模型用于表征样本区域内的地膜面积与地膜残留量预测值的对应关系。

可选地，可以预先配置有多个地膜残留量的预测模型，不同的预测模型在进行预测时，采用的计算参数有所区别，可以针对每种不同的预测模型分别进行模型精度的判定，进而将多个预测模型中模型精度最高的预测模型作为目标预测模型，采用该预测模型进行计算，从而拟合出上述第一目标计算模型。

其中，第一目标计算模型可以是用于表征样本区域内的地膜面积与地膜残留量预测值的函数关系的模型，例如可以是线性函数，或者其他类型的关系，具体可以根据实际需求进行配置，在此不作具体限制。

对于第一目标计算模型，其输入可以是任意一个区域中的地膜面积，输出可以该区域中的地膜残留量预测值。

S240：将无人机采集到的目标区域的实际地膜面积输入至第一目标计算模型中，得到目标区域中地膜残留量的预测值。

可选地，目标区域即可以是前述待预测的目标区域，也即是需要通过本申请方案进行地膜残留量预测的区域，对于目标区域，可以通过无人机拍摄的方式采集到该区域中的图像，进而可以基于前述对样本区域中采集到的图像类似的处理方式得到目标区域的实际地膜面积。

得到目标区域的实际地膜面积之后，可以将该面积输入至上述第一目标计算模型中进行对应的计算，得到的计算结果即为目标区域中地膜残留量的预测值。

本申请实施例提供的一种地膜残留量的预测方法中，可以获取样本融合图像以及样本区域内地膜残留量；在样本融合图像中确定样本区域内的地膜面积；基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型；将无人机采集到的目标区域的实际地膜面积输入至第一目标计算模型中，得到目标区域中地膜残留量的预测值。其中，在进行拟合计算的过程中，可以基于预先配置的多个地膜残留量的预测模型进行选择，采用其中精度最高的预测模型得到第一目标计算模型，进而通过第一目标计算模型可以更加准确地实现对目标区域中地膜残留量的预测，也即是可以提高预测的准确性。

下面来具体解释本申请实施例中提供的拟合第一目标计算模型的具体实施过程。

图3为本申请实施例提供的地膜残留量的预测方法的流程示意图二请参照图3，基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型，包括：

S310：基于样本区域内的地膜面积以及样本区域内地膜残留量，分别确定预先配置的多个地膜残留量的预测模型中各预测模型的模型精度以及采用各预测模型得到的样本区域内地膜残留量预测值。

可选地，获取到样本区域内的地膜面积以及样本区域内地膜残留量之后，可以分别输入至多个预先配置的多个地膜残留量的预测模型，从而得到每个预测模型的模型精度以及采用各预测模型得到的样本区域内地膜残留量预测值。

可选地，模型精度的计算方式具体如下：

模型精度的3个评价指标分别为决定系数(R

式中，n可以为样本区域内的地膜残留量的样本量(或者为样本区域内的地膜降解率的样本量)，i可以为样本区域内的第i个样本，x

其中，不同的地膜残留量的预测模型可以是基于不同形式的算法实现的，在此不作具体限制，在实际选择中可以根据地形地貌、预测年份或者环境影响因素等进行对应设置。

S320：将各预测模型中模型精度最高的预测模型作为目标预测模型。

将上述样本区域内的地膜面积以及样本区域内地膜残留量分别输入至多个预测模型之后，可以得到每个预测模型的模型精度，该模型精度具体用以表示该模型进行预测的准确性，可以比较每个预测模型的精度，将模型精度最高的预测模型作为目标预测模型。

S330：基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型。

可选地，确定目标预测模型后，可以确定将样本区域内的地膜面积输入至目标预测模型后得到的样本区域内地膜残留量预测值，基于该样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值可以进行拟合计算，得到第一目标计算模型。

具体地，基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型可以是将样本区域内的地膜面积作为模型的输入参数、采用目标预测模型得到的样本区域内地膜残留量预测值作为模型的输出结果，拟合出样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值的线性函数关系；根据线性函数关系构建得到第一目标计算模型。

例如：可以将线性函数关系设为y＝kx+b；其中，x即为样本区域内的地膜面积，y为采用目标预测模型得到的样本区域内地膜残留量预测值，可以依次输入多个x值以及y值进行拟合计算，进而得到k值以及b值，从而将得到的线性函数关系作为第一目标计算模型。

下面来基于一组具体实施数据来解释上述模型的运用，表1为两种不同的地膜采用不同类型的模型进行预测的情况。

表1

其中，PE和GB为两种不同的地膜，BRR以及PLSR为采用的两种模型名称，以及对应的线性函数，模型预测值为采用该公式计算得到的预测结果，也即是上述样本区域内地膜残留量预测值；样本实际值可以是上述样本区域内地膜残留量，误差即为样本实际值和模型预测值之间的差值。

采用地膜对应的最优模型对样本区域进行地膜残留量估算，PE和GB地面实测残留量分别为1.45和1.09g·m

本申请实施例提供的一种地膜残留量的预测方法中，基于样本区域内的地膜面积以及样本区域内地膜残留量，分别确定预先配置的多个地膜残留量的预测模型中各预测模型的模型精度以及采用各预测模型得到的样本区域内地膜残留量预测值；将各预测模型中模型精度最高的预测模型作为目标预测模型；基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型。其中，在进行拟合计算的过程中，可以通过模型精度的计算得到每个预先配置的预测模型的模型精度，进而根据模型精度选择其中模型精度最高的预测模型作为目标预测模型，从而采用目标预测模型的相关数据进行模型拟合，从而可以得到更加准确的第一目标计算模型，采用该模型也即是可以更加准确的对目标区域中的地膜残留量进行更加准确地预测。

下面来具体解释本申请实施例中提供的地膜残留量的预测方法的另一具体实施过程。

图4为本申请实施例提供的地膜残留量的预测方法的流程示意图三请参照图4，在样本融合图像中确定样本区域内的地膜面积之后，该方法还包括：

S410：基于样本区域内的地膜面积、样本区域内地膜实际降解率以及预先配置的多个地膜降解率的预测模型拟合出第二目标计算模型。

其中，第二目标计算模型用于表征样本区域内的地膜面积与样本区域内地膜降解率的预测值的对应关系。

需要说明的是，降解率指的是对于可以降解的地膜，其降解的百分比，降解率越高，则该地膜越环保，采用该方法可以预测出地膜在无人机航拍时的降解率。

可选地，可以预先配置有多个地膜降解率的预测模型，不同的预测模型在进行预测时，采用的计算参数有所区别，可以针对每种不同的预测模型分别进行模型精度的判定，进而将多个预测模型中模型精度最高的预测模型作为目标预测模型，采用该预测模型进行计算，从而拟合出上述第二目标计算模型。

其中，第二目标计算模型可以是用于表征样本区域内的地膜面积与地膜降解率的预测值的函数关系的模型，例如可以是线性函数，或者其他类型的关系，具体可以根据实际需求进行配置，在此不作具体限制。

对于第二目标计算模型，其输入可以是任意一个区域中的地膜面积，输出可以该区域中的地膜降解率的预测值。

在具体实施的过程中，可以采用与前述S310-S330相类似的拟合方法，得到第二目标计算模型，在此不作具体限制。

S420：将无人机采集到的目标区域的实际地膜面积输入至第二目标计算模型中，得到目标区域中地膜降解率的预测值。

可选地，目标区域即可以是前述待预测的目标区域，也即是需要通过本申请方案进行地膜降解率预测的区域，对于目标区域，可以通过无人机拍摄的方式采集到该区域中的图像，进而可以基于前述对样本区域中采集到的图像类似的处理方式得到目标区域的实际地膜面积。

得到目标区域的实际地膜面积之后，可以将该面积输入至上述第二目标计算模型中进行对应的计算，得到的计算结果即为目标区域中地膜降解率的预测值。

下面来基于一组具体实施数据来解释上述模型的运用，表2为四种不同的地膜采用不同类型的模型进行预测的情况。

表2

其中，B、BF、LS和TZ为四种不同的地膜，BRR以及PLSR为采用的两种模型名称，以及对应的线性函数，模型预测值为采用该公式计算得到的预测结果，也即是上述样本区域内地膜降解率的预测值；样本实际值可以是上述样本区域内地膜实际降解率，误差即为样本实际值和模型预测值之间的差值。

采用上述优选出的目标预测模型对样本区域的降解地膜降解率进行预测。4种降解膜B、BF、LS和TZ，地面测量降解率分别是0.84、0.85、0.88和0.80，以LS降解地膜降解最彻底，同无人机多光谱影像监测结果基本一致，估算结果降解率大小依次为LS>B>BF>TZ，即LS降解地膜降解率最高。

本申请实施例提供的一种地膜残留量的预测方法中，可以基于样本区域内的地膜面积、样本区域内地膜实际降解率以及预先配置的多个地膜降解率的预测模型拟合出第二目标计算模型；将无人机采集到的目标区域的实际地膜面积输入至第二目标计算模型中，得到目标区域中地膜降解率的预测值。其中，在进行拟合计算的过程中，可以基于预先配置的多个地膜降解率的预测模型进行选择，采用其中精度最高的预测模型得到第二目标计算模型，进而通过第二目标计算模型可以更加准确地实现对目标区域中地膜降解率的预测，也即是可以提高对地膜降解率预测的准确性。

下面来具体解释本申请实施例中提供的确定样本区域内的地膜面积的具体实施过程。

图5为本申请实施例提供的地膜残留量的预测方法的流程示意图四请参照图5，在样本融合图像中确定样本区域内的地膜面积，包括：

S510：对样本融合图像进行地膜区域识别，确定目标地膜区域范围。

可选地，在获取样本融合图像之后，可以根据实际需求对该样本融合图像进行分区或者整体确定地膜区域。若需要分区，可以将样本融合图像划分为多个区域，分别对每个区域进行地膜区域识别；若不需要分区，则可以对整个样本融合图像进行地膜区域识别。

进行地膜区域识别之后，可以得到目标地膜区域在样本融合图像的显示范围，例如可以以某一特殊颜色标记为目标地膜区域范围，其他颜色标记为非地膜区域范围。则该特殊颜色显示的范围即为目标地膜区域范围。

S520：在目标地膜区域范围中确定地膜像元数量。

可选地，计算机设备可以识别出上述目标地膜区域范围中地膜像元数量，其中，地膜像元数量指的是目标地膜区域范围内最小单位的数量，地膜像元可以是类似像素的矩形像元，可以是在融合样本图像中显示的像元。

其中，每个地膜像元的长和宽均相等，并且为已知信息。

S530：基于地膜像元数量以及样本融合图像中的单位像元的面积计算得到样本区域内的地膜面积。

可选地，确定地膜像元数量后，可以基于每个地膜像元的长和宽计算出样本融合图像中的单位像元的面积，进而可以计算得到样本区域内的地膜面积，具体计算公式如下：

M＝m

其中，M可以是样本区域内的地膜面积，m

上述方式具体可以基于计算机设备中的软件实现，例如通过相关软件中监督分类器中的最大似然分类器(Maximum Likelihood Classification)，选中所有分类，按各类地物的大概阈值进行分类，进而使用Class Statistics工具查看分类器识别地膜类和其他类像元数量，得到地膜像元数量。另外，可以通过查看该软件中的地图信息得到样本融合图像中的单位像元的面积。

下面来具体解释本申请实施例中提供的确定目标地膜区域范围的具体实施过程。

图6为本申请实施例提供的地膜残留量的预测方法的流程示意图五请参照图6，对样本融合图像进行地膜区域识别，确定目标地膜区域范围，包括：

S610：响应于区域划分操作，确定目标地膜区域的初始范围。

可选地，在进行目标地膜区域范围确定的过程中可以响应于操作人员对区域的划分操作，得到目标地膜区域的初始范围，其中，区域划分操作具体可以是操作人员对样本融合图像画出感兴趣区域，使用相关绘制工具，从样本融合图像中以预先配置的颜色画出地膜所在的区域作为感兴趣区域，使用其他颜色画非地膜的区域，或分几类不同地物，感兴趣区域需在影像中较均匀分布。其中，感兴趣区域即为上述目标地膜区域的初始范围。

S620：基于预先配置的各类地物阈值范围对目标地膜区域的初始范围进行调整，得到目标地膜区域范围。

可选地，得到目标地膜区域的初始范围后，可以采用计算机设备中软件的CursorValue工具查看各类地物的大概阈值范围，进而对目标地膜区域的初始范围进行调整，得到的结果即为目标地膜区域范围。

下面来具体解释本申请实施例中提供的获取样本融合图像的具体实施过程。

图7为本申请实施例提供的地膜残留量的预测方法的流程示意图六请参照图7，获取样本融合图像，包括：

S710：获取无人机拍摄的多个多光谱波段的反射率灰度图。

可选地，在实际工作中，在获取样本融合图像的过程中，可以通过无人机对样本区域的地面进行拍摄，可以采用不同的视角分别拍摄多个多光谱波段的反射率灰度图(例如：5个)，这些多光谱波段的反射率灰度图可以是直接拍摄得到的，也可以是进行拼接得到的，在此不作具体限制。

无人机在拍摄的过程中了可以按照预先设置的拍摄方式进行拍摄，例如：在无人机上新建航线，整个航线任务应包含整个残膜调研区域。在无人机上设置一应飞行参数。如飞行速度1m/s，飞行高度15m，旁向和航向重叠率设置为75％，航拍设置为等间距拍照等。

具体可以是采用无人机上搭载的多光谱传感器进行拍摄并进行处理后，进而可以得到多个多光谱波段的反射率灰度图。

在拍摄的过程中，可以选择无风无云或微风日，为减少后期影像处理，在正午左右获取影像，选择空旷平坦地方为无人机起降点。首先对无人机进行地磁校准，按指定操作校准，其次设置传感器参数，按遥控器中的参数输入飞行速度、高度、无人机机型等，再设置多光谱传感器拍照高度以及容差(一般为飞行高度的2倍)。手动拍摄一组反射率板用于反射率校准。遥控器打开设置好的航线任务，开始执行任务自动进行拍摄，并可以在拍摄完毕后将航线以及得到的多个多光谱波段的反射率灰度图发送给计算机设备。

在无人机拍摄的过程中，可以注意以下事项：(1)在进行地磁校准时，由于每个地方的磁场强度不一样，会对无人机的指南针造成一定程度的影响，因此每次更换起降点后需要进行地磁校准一次。(2)在辐射校准过程中，由于无人机在空中接收到的光谱信息是太阳光到地面，再反射到无人机上的，并非地物真正的接受到的辐射，故可以对无人机接收到的辐射进行校准，每次无人机起飞均可以拍摄一组反射率板用于辐射校准。(3)在无人机作业完，对其更换电池时，两块电池的电压应相差不大。电压不稳会使无人机失衡，飞行不稳。两块电池应配对成一套进行充电或使用。(4)图像获取完后应及时查看图像质量，如质量出现模糊等问题，可以及时补拍。

得到拍摄的图像之后，若需要进行拼接，可以基于计算机设备中的相关软件，例如采用Pix4D软件，打开Pix4D Mapper，导入所有影像，设置影像地理坐标和相机型号等参数，由无人机航拍的影像一般带有地理坐标信息和相机型号，自动匹配。选择AgMultispectral农业多光谱模板拼接。初始化处理中选择全面高精度处理，DSM和正射影像使用噪波过滤和平滑处理，在指数计算器中对影像进行辐射处理和校准，如无人机航拍前手动拍摄过反射率板将会自动进行辐射校准，指数中选择生成5个多光谱波段指数灰度反射率拼接图，即蓝、绿、红、近红外和红边指数。

通过上述方式得到的5个多光谱波段指数灰度反射率拼接图即可以是5个多光谱波段的反射率灰度图。

S720：对多个多光谱波段的反射率灰度图进行波段融合，得到初始融合图像。

可选地，得到上述多个多光谱波段的反射率灰度图之后，可以按照一定顺序进行排序，并可以对这些灰度图进行波段融合，波段融合前的灰度图一般是不规则的，在波段融合后的初始融合图像为矩形图像。

S730：对初始融合图像进行去异常值处理，得到样本融合图像。

可选地，得到初始融合图像之后，可以进行去异常值处理，具体可以是使用BandMath工具输入预设指令，选中初始融合图像，进行去异常值操作，从而去除矩形边缘无影像区的波段值为最小值-10000的异常区域，进行上述去异常值处理之后，可以得到样本融合图像。

下述对用以执行的本申请所提供的地膜残留量的预测方法对应的装置、设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。

图8为本申请实施例提供的地膜残留量的预测装置的结构示意图，请参照图8，该装置包括：获取模块810、确定模块820、拟合模块830以及计算模块840；

获取模块810，用于获取样本融合图像以及样本区域内地膜残留量，样本融合图像为无人机在样本区域内拍摄到的样本地面图像处理后得到的图像，样本区域与待预测的目标区域的地质属性一致；

确定模块820，用于在样本融合图像中确定样本区域内的地膜面积；

拟合模块830，用于基于样本区域内的地膜面积、样本区域内地膜残留量以及预先配置的多个地膜残留量的预测模型拟合出第一目标计算模型，第一目标计算模型用于表征样本区域内的地膜面积与地膜残留量预测值的对应关系；

计算模块840，用于将无人机采集到的目标区域的实际地膜面积输入至第一目标计算模型中，得到目标区域中地膜残留量的预测值。

可选地，拟合模块830，具体用于基于样本区域内的地膜面积以及样本区域内地膜残留量，分别确定预先配置的多个地膜残留量的预测模型中各预测模型的模型精度以及采用各预测模型得到的样本区域内地膜残留量预测值；将各预测模型中模型精度最高的预测模型作为目标预测模型；基于样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值拟合出第一目标计算模型。

可选地，拟合模块830，具体用于将样本区域内的地膜面积作为模型的输入参数、采用目标预测模型得到的样本区域内地膜残留量预测值作为模型的输出结果，拟合出样本区域内的地膜面积以及采用目标预测模型得到的样本区域内地膜残留量预测值的线性函数关系；根据线性函数关系构建得到第一目标计算模型。

可选地，拟合模块830，还用于基于样本区域内的地膜面积、样本区域内地膜实际降解率以及预先配置的多个地膜降解率的预测模型拟合出第二目标计算模型，第二目标计算模型用于表征样本区域内的地膜面积与样本区域内地膜降解率的预测值的对应关系；计算模块840，还用于将无人机采集到的目标区域的实际地膜面积输入至第二目标计算模型中，得到目标区域中地膜降解率的预测值。

可选地，确定模块820，具体用于对样本融合图像进行地膜区域识别，确定目标地膜区域范围；在目标地膜区域范围中确定地膜像元数量；基于地膜像元数量以及样本融合图像中的单位像元的面积计算得到样本区域内的地膜面积。

可选地，确定模块820，具体用于响应于区域划分操作，确定目标地膜区域的初始范围；基于预先配置的各类地物阈值范围对目标地膜区域的初始范围进行调整，得到目标地膜区域范围。

可选地，获取模块810，具体用于获取无人机拍摄的多个多光谱波段的反射率灰度图；对多个多光谱波段的反射率灰度图进行波段融合，得到初始融合图像；对初始融合图像进行去异常值处理，得到样本融合图像。

上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。

以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

图9为本申请实施例提供的计算机设备的结构示意图，请参照图9，计算机设备，包括：存储器910、处理器920，存储器910中存储有可在处理器920上运行的计算机程序，处理器920执行计算机程序时，实现上述地膜残留量的预测方法的步骤。

可选地，上述计算机设备即为前述与无人机通信连接的计算机设备。

本申请实施例的另一方面，还提供一种计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述地膜残留量的预测方法的步骤。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(英文：processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。