CN116664663B - 计算农作物面积的方法、装置、计算机设备及存储介质 - Google Patents
计算农作物面积的方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116664663B CN116664663B CN202310899702.7A CN202310899702A CN116664663B CN 116664663 B CN116664663 B CN 116664663B CN 202310899702 A CN202310899702 A CN 202310899702A CN 116664663 B CN116664663 B CN 116664663B
- Authority
- CN
- China
- Prior art keywords
- crop
- land
- grid
- area
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000002689 soil Substances 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种计算农作物面积的方法、装置、计算机设备及存储介质，涉及农作物数据处理技术领域，包括：利用行政区数据获取乡村覆盖区域；根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积。本发明实现了得到真实种植数据，准确高效统计土地农作物面积。
Description
技术领域
本发明涉及农作物数据处理技术领域，具体而言，涉及一种计算农作物面积的方法、装置、计算机设备及存储介质。
背景技术
目前，农业作为重要产业，一直在人们生产生活中占有十分重要的位置，伴随当前城市化进行地加快，更要保障农业发展质量，做好乡村农作物统计工作是保障农业发展质量必不可少的环节。
传统的统计方法中，通常由人工收集农村家庭的农产品实际种植面积，再由人工抽样验证数据真实性和准确性。可见，传统乡村农作物面积地统计耗费了大量人工，又有可能无法如实反应这些数据的准确性。
发明内容
本发明解决的问题是人工统计农作物面积导致数据不准确。
为解决上述问题，本发明提供一种计算农作物面积的方法，包括：
利用行政区数据获取乡村覆盖区域；
根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；
根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；
根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；
根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积。
可选地，根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积，包括：
获取多块所述土地内的农作物图像；
若获取到一个季度的所述农作物图像，则根据所述一个季度的所述农作物图像获取对应的所述农作物种类，作为实际种植农作物；
若获取到两个季度的所述农作物图像，且所述两个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述两个季度的所述农作物种类不同，则根据预设优先级，从所述两个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物；
根据所述实际种植农作物和所述土地的所述网格面积获取所述土地农作物面积。
可选地，根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积，包括：
将任一块所述土地作为目标土地，将所述目标土地覆盖的每个所述原始网格作为一个所述目标网格，判断每个所述目标网格是否被所述目标土地全覆盖；
若所述目标网格被所述目标土地全覆盖，则将被所述目标土地全覆盖的所述目标网格作为第一网格；
若所述目标网格未被所述目标土地全覆盖，则将未被所述目标土地全覆盖的所述目标网格作为第二网格，使所述第二网格生成多个子网格，使至少一个所述子网格被所述目标土地全覆盖，将至少一个被所述目标土地全覆盖的所述子网格作为第三网格；
根据所述第一网格和所述第三网格，获取所述目标土地对应的所述网格面积。
可选地，所述计算农作物面积的方法还包括：
将所述第二网格中的所述第三网格剔除后，作为更新后的所述原始网格，供未获取所述网格面积的所述土地使用。
可选地，在所述获取多块所述土地内的农作物图像之后，还包括：
若获取到三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类不同，则根据所述预设优先级，从三个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物。
可选地，所述根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地，包括：
根据所述乡村覆盖区域内每块所述土地的土地边界、土地编号、面积和家庭信息，获取所述土地图层。
本发明所述的计算农作物面积的方法，首先利用行政区数据获取乡村覆盖区域，划分各个土地关系建立土地图层，再将乡村覆盖区域进行网格划分获取多个网格，建立网格图层。再利用土地图层和网格图层重叠，以网格为中心，识别网格与土地之间的覆盖情况，根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积，根据每块所述土地的所述网格面积，和每块所述土地上的农作物种类，获取土地农作物面积，避免了人工处理造成的误差，准确获取了真实的土地农作物面积数据。
本发明还提供一种计算农作物面积的装置，包括：第一获取单元，所述第一获取单元用于利用行政区数据获取乡村覆盖区域；
第二获取单元，所述第二获取单元用于根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；
第三获取单元，所述第三获取单元用于根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；
第四获取单元，所述第四获取单元用于根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；
第五获取单元，所述第五获取单元用于根据每块所述土地的所述网格面积，和每块所述土地上的农作物种类，获取土地农作物面积，包括：
获取多块所述土地内的农作物图像；
若获取到一个季度的所述农作物图像，则根据所述一个季度的所述农作物图像获取对应的所述农作物种类，作为实际种植农作物；
若获取到两个季度的所述农作物图像，且所述两个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述两个季度的所述农作物种类不同，则根据预设优先级，从所述两个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物；
根据所述实际种植农作物和所述土地的所述网格面积获取所述土地农作物面积。
本发明所述的计算农作物面积的装置与所述计算农作物面积的方法相对于现有技术的优势相同，在此不再赘述。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述计算农作物面积的方法的步骤。
本发明所述的计算机设备与所述计算农作物面积的方法相对于现有技术的优势相同，在此不再赘述。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现所述计算农作物面积的方法的步骤。
本发明所述的计算机可读存储介质与所述计算农作物面积的方法相对于现有技术的优势相同，在此不再赘述。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1所示为本发明实施例中计算农作物面积的方法的应用环境图；
图2所示为本发明实施例中计算农作物面积的方法的流程示意图；
图3所示为本发明实施例中网格与土地覆盖区域的示例图；
图4所示为本发明实施例中获取土地农作物面积的流程示意图；
图5所示为本发明实施例中计算农作物面积的装置的示意图；
图6所示为本发明实施例中计算机设备的内部结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例中计算农作物面积的方法的应用环境图。参照图1，该计算农作物面积的方法应用于计算农作物面积的***。该计算农作物面积的***包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
结合图2所示，本实施例提供一种计算农作物面积的方法，包括：
步骤210，利用行政区数据获取乡村覆盖区域；
步骤220，根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；
步骤230，根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；
步骤240，根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；
步骤250，根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积。
具体地，利用行政区数据获取乡村覆盖区域，根据所述乡村覆盖区域获取土地图层和网格图层，所述网格图层包括多个原始网格，每个所述原始网格有唯一编号，其划分的粒度根据地图的分辨率和比例尺调整，所述分辨率越高、比例尺越低，则其粒度越高。以重叠为原则，根据所述土地和所述原始网格获取每块所述土地的网格面积。再根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，所述农作物种类可以利用无人机或视频捕捉获取，从而获取土地农作物面积。
本实施例所述的计算农作物面积的方法，首先利用行政区数据获取乡村覆盖区域，划分各个土地关系建立土地图层，再将乡村覆盖区域进行网格划分获取多个网格，建立网格图层。再利用土地图层和网格图层重叠，以网格为中心，识别网格与土地之间的覆盖情况，根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积，根据每块所述土地的所述网格面积，和每块所述土地上的农作物种类，获取土地农作物面积，避免了人工处理造成的误差，准确获取了真实的土地农作物面积数据。
本发明实施例中，将任一块所述土地作为目标土地，将所述目标土地覆盖的每个所述原始网格作为一个所述目标网格，判断每个所述目标网格是否被所述目标土地全覆盖；
若所述目标网格被所述目标土地全覆盖，则将被所述目标土地全覆盖的所述目标网格作为第一网格；
若所述目标网格未被所述目标土地全覆盖，则将未被所述目标土地全覆盖的所述目标网格作为第二网格，使所述第二网格生成多个子网格，使至少一个所述子网格被所述目标土地全覆盖，将至少一个被所述目标土地全覆盖的所述子网格作为第三网格；
根据所述第一网格和所述第三网格，获取所述目标土地对应的所述网格面积。
具体地，建立所述目标土地和所述目标网格的覆盖区域，判断每个目标网格是否被所述目标土地全覆盖。若所述目标网格被所述目标土地全覆盖，则将该目标网格作为第一网格；若所述目标网格未被所述目标土地全覆盖，将未被所述目标土地全覆盖的目标网格作为第二网格。对所述第二网格根据分割法进行分割，生成多个子网格，使至少一个子网格被所述目标土地全覆盖，将所述至少一个被所述目标土地全覆盖的子网格作为第三网格。同时由于分割法有计算误差，对多个子网格进行核对并根据核对结果进行调整，若所述多个子网格的面积之和大于所述第二网格，则降低最大分割网格的面积，降低值等于所述多个子网格的面积之和与所述第二网格的面积的差值；若所述多个子网格的面积之和小于或等于所述第二网格，则增大最大分割网格的面积，增加值等于所述第二网格和所述多个子网格的面积之和的差值。根据所述第一网格和第三网格，获取所述目标土地对应的目标土地的网格面积。
在一些更具体的实施例中，如图3所示，图3为网格与土地覆盖区域示例图，网格图层为等大小的二十四个网格，分别从网格1到网格24依次编号，土地图层为按照土地边界划分的八块土地，分别从土地A到土地H依次编号。网格9、网格10和网格14没有被土地的边界划分，因此网格9和网格10作为土地A的第一网格，网格14 作为土地B的第一网格。网格1被土地F和土地G的边界划分为两个子网格，所述两个子网格分别对应所述土地F和土地G得到每块土地各自的第三网格。网格8被土地编号为土地A、土地B、土地F和土地G划分为四个子网格，因此四个子网格分别对应所述土地A、土地B、土地F和土地G得到每块土地各自的第三网格。再统计每块土地对应的第一网格和第三网格的面积获得每块土地的面积。其中，网格1到网格12与土地建立覆盖区域结果如表1所示：
表1
| 网格编号 | 土地编号 | 是否全覆盖 | 网格编号 | 土地编号 | 是否全覆盖 |
| 1 | F | 否 | 6 | E | 否 |
| 1 | G | 否 | 6 | D | 否 |
| 2 | F | 否 | 7 | G | 否 |
| 2 | G | 否 | 7 | H | 否 |
| 3 | F | 否 | 8 | F | 否 |
| 3 | A | 否 | 8 | G | 否 |
| 4 | A | 否 | 8 | B | 否 |
| 4 | F | 否 | 8 | A | 是 |
| 4 | D | 否 | 9 | A | 是 |
| 4 | E | 否 | 10 | A | 否 |
| 5 | D | 否 | 11 | D | 否 |
| 5 | E | 否 | 11 | A | 否 |
| 6 | E | 否 | 12 | D | 否 |
本实施例的计算农作物面积的方法，根据目标土地和目标网格，判断每个所述目标网格是否被所述目标土地全覆盖；根据所述目标网格是否被所述目标土地全覆盖获取第一网格和第三网格，根据所述第一网格和第三网格，获取所述目标土地对应的目标土地的网格面积。通过目标土地和目标网络相对应获取目标土地的网格面积，如实反馈目标土地的网格面积，统计土地真实面积数据。
本发明实施例中，将所述第二网格中的所述第三网格剔除后，作为更新后的所述原始网格，供未获取所述网格面积的所述土地使用。
本实施例的计算农作物面积的方法通过剔除第二网格中的第三网格，作为更新后的原始网格，获取其余土地的网格面积，避免了数据遗漏。
本发明实施例中，获取多块所述土地内的农作物图像；
分别获取至少一个季度至多三个季度的所述农作物图像，利用图像识别判断所述至少一个季度至多三个季度的所述农作物图像的所述农作物种类，根据所述农作物种类，获取实际种植农作物；
根据所述实际种植农作物和所述土地的所述网格面积获取所述土地农作物面积。
具体地，利用无人机或者视频监控，在所述土地的经纬度范围内获取至少一个季度至多三个季度的所述农作物图像，利用图像识别判断所述至少一个季度至多三个季度的所述农作物图像的农作物种类，其中包含一个隐含假设，即每块所述土地只种植一个农作物种类。根据农作物种类，得到实际种植的实际农作物。将所述土地种植所述的实际种植农作物跟所述土地的面积相联系，获取所述土地农作物面积。
本实施例的计算农作物面积的方法，通过无人机或者视频监控在所述土地的经纬度范围内获取多个季度的所述农作物图像，判断所述农作物图像的农作物种类，得到实际农作物，将所述实际种植农作物和所述土地的面积相联系得到所述土地农作物面积，利用视觉识别技术识别每块土地真实种植数据。
本发明实施例中，若获取到一个季度的所述农作物图像，则根据所述一个季度的所述农作物图像获取对应的所述农作物种类，作为所述实际种植农作物；
若获取到两个季度的所述农作物图像，且所述两个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述两个季度的所述农作物种类不同，则根据预设优先级，从所述两个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物。
本发明实施例中，若获取到三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类不同，则根据所述预设优先级，从三个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物。
具体地，若获取到三个季度的农作物图像对应的所述农作物种类相同，则所述农作物种类为实际种植农作物。若三个季度的农作物图像对应的所述农作物种类不同，则根据设定所述三个季度拍摄的农作物图像拍摄时间的权重优先级来判断所述实际种植农作物。拍摄所述农作物图像的时间越早，所述农作物图像对应的所述农作物种类判断的权重越低，拍摄所述农作物图像的时间越晚，所述农作物图像对应的所述农作物种类判断的权重越高。
在一些优选实施例中，若两个季度的农作物图像对应的所述农作物种类不同，还可以引入人工判断进行标注。
本实施例的计算农作物面积的方法，通过获取三个季度的农作物图像，判断所述三个季度的农作物图像对应的所述农作物种种类，引入预设优先级判断实际种植农作物，保证了判断实际种植农作物的准确性，得到土地农作物真实种植情况。
本发明实施例中，根据所述乡村覆盖区域内每块所述土地的土地边界、土地编号、面积和家庭信息，获取所述土地图层。
具体地，在GIS地图标注土地边界，根据每户家庭的土地承包合同，标注每块土地的土地边界、土地编号、面积和家庭信息，从而获取土地图层。其中家庭信息包括承包人信息和家庭编号，建立家庭和土地的联系。
本实施例的计算农作物面积的方法通过建立土地图层，对所述土地进行编号，准确建立土地和家庭的关系，反馈乡村土地每户家庭的真实情况。
在一些具体的实施例中，如图4所示，通过无人机或者视频监控，分别在春季、秋季和夏季，且没有农产品被收割之前获取该区域的一种农作物图像，图像命名为：网格编号+土地编号+夏+拍摄时间。识别所述农作物图像中种植的农作物种类是否相同，若相同则获取该区域的实际种植农作物，若不同则采取权重优先级进行判断，再确定该区域的实际种植农作物，根据实际种植农作物获取土地农作物面积。
本发明所述的计算农作物面积的方法，首先利用行政区数据获取乡村覆盖区域，划分各个土地关系建立土地图层，再将乡村覆盖区域进行网格划分获取多个网格，建立网格图层。再利用土地图层和网格图层重叠，以网格为中心，识别网格与土地之间的覆盖情况，根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积，根据每块所述土地的所述网格面积，和每块所述土地上的农作物种类，获取土地农作物面积，避免了人工处理造成的误差，准确获取了真实的土地农作物面积数据。
和上述计算农作物面积的方法相对应，本发明实施例还提供了一种计算农作物面积的装置。图5所示为本发明实施例的计算农作物面积的示意图，如图5所示，计算农作物面积的装置包括：
第一获取单元510，所述第一获取单元用于利用行政区数据获取乡村覆盖区域；
第二获取单元520，所述第二获取单元用于根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；
第三获取单元530，所述第三获取单元用于根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；
第四获取单元540，所述第四获取单元用于根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；
第五获取单元550，所述第五获取单元用于根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积。
本发明实施例中，所述第四获取单元540还用于将任一块所述土地作为目标土地，将所述目标土地覆盖的每个所述原始网格作为一个所述目标网格，判断每个所述目标网格是否被所述目标土地全覆盖；
若所述目标网格被所述目标土地全覆盖，则将被所述目标土地全覆盖的所述目标网格作为第一网格；
若所述目标网格未被所述目标土地全覆盖，则将未被所述目标土地全覆盖的所述目标网格作为第二网格，使所述第二网格生成多个子网格，使至少一个所述子网格被所述目标土地全覆盖，将至少一个被所述目标土地全覆盖的所述子网格作为第三网格；
根据所述第一网格和所述第三网格，获取所述目标土地对应的所述网格面积。
所述装置还包括剔除单元，所述剔除单元用于将所述第二网格中的所述第三网格剔除后，作为更新后的所述原始网格，供未获取所述网格面积的所述土地使用。
所述第五获取单元550还包括获取多块所述土地内的农作物图像；
分别获取至少一个季度至多三个季度的所述农作物图像，利用图像识别判断所述至少一个季度至多三个季度的所述农作物图像的所述农作物种类，根据所述农作物种类，获取实际种植农作物；
根据所述实际种植农作物和所述土地的所述网格面积获取所述土地农作物面积。
所述第五获取单元550还包括若获取到一个季度的所述农作物图像，则根据所述一个季度的所述农作物图像获取对应的所述农作物种类，作为所述实际种植农作物；
若获取到两个季度的所述农作物图像，且所述两个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述两个季度的所述农作物种类不同，则根据预设优先级，从所述两个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物。
所述第五获取单元550还包括若获取到三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类不同，则根据所述预设优先级，从三个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物。
所述第二获取单元520还包括根据所述乡村覆盖区域内每块所述土地的土地边界、土地编号、面积和家庭信息，获取所述土地图层。
本发明所述的计算农作物面积的装置与所述计算农作物面积的方法相对于现有技术的优势相同，在此不再赘述。
图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110（或服务器120）。如图6所示，该计算机设备包括该计算机设备包括通过***总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现计算农作物面积的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行计算农作物面积的方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本发明相关的部分结构的框图，并不构成对本发明所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明另一实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并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以下步骤：利用行政区数据获取乡村覆盖区域；根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积。
本发明另一实施例中，处理器执行计算机程序时还实现上述计算农作物面积的方法的步骤。
本发明所述的计算机设备与所述计算农作物面积的方法相对于现有技术的优势相同，在此不再赘述。
本发明另一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：利用行政区数据获取乡村覆盖区域；根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积；根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积。
本发明另一实施例中，计算机程序被处理器执行时还实现上述计算农作物面积的方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
本发明所述的计算机可读存储介质与所述计算农作物面积的方法相对于现有技术的优势相同，在此不再赘述。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种计算农作物面积的方法，其特征在于，包括：
利用行政区数据获取乡村覆盖区域；
根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；
根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；
根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积，包括：
将任一块所述土地作为目标土地，将所述目标土地覆盖的每个所述原始网格作为一个目标网格，判断每个所述目标网格是否被所述目标土地全覆盖；
若所述目标网格被所述目标土地全覆盖，则将被所述目标土地全覆盖的所述目标网格作为第一网格；
若所述目标网格未被所述目标土地全覆盖，则将未被所述目标土地全覆盖的所述目标网格作为第二网格，使所述第二网格生成多个子网格，使至少一个所述子网格被所述目标土地全覆盖，将至少一个被所述目标土地全覆盖的所述子网格作为第三网格；
根据所述第一网格和所述第三网格，获取所述目标土地对应的所述网格面积；
根据每块所述土地的所述网格面积和每块所述土地上的农作物种类，获取土地农作物面积，包括：
获取多块所述土地内的农作物图像，其中，每块所述土地只种植一种所述农作物种类；
若获取到一个季度的所述农作物图像，则根据所述一个季度的所述农作物图像获取对应的所述农作物种类，作为实际种植农作物；
若获取到两个季度的所述农作物图像，且所述两个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述两个季度的所述农作物种类不同，则根据预设优先级，从所述两个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物；
根据所述实际种植农作物和所述土地的所述网格面积获取所述土地农作物面积。
2.根据权利要求1所述的计算农作物面积的方法，其特征在于，所述计算农作物面积的方法还包括：
将所述第二网格中的所述第三网格剔除后，作为更新后的所述原始网格，供未获取所述网格面积的所述土地使用。
3.根据权利要求1所述的计算农作物面积的方法，其特征在于，在所述获取多块所述土地内的农作物图像之后，还包括：
若获取到三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述三个季度的所述农作物图像，且所述三个季度的所述农作物图像对应的所述农作物种类不同，则根据所述预设优先级，从三个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物。
4.根据权利要求1所述的计算农作物面积的方法，其特征在于，所述根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地，包括：
根据所述乡村覆盖区域内每块所述土地的土地边界、土地编号、面积和家庭信息，获取所述土地图层。
5.一种生成计算农作物面积的装置，其特征在于，包括：
第一获取单元，所述第一获取单元用于利用行政区数据获取乡村覆盖区域；
第二获取单元，所述第二获取单元用于根据所述乡村覆盖区域获取土地图层，所述土地图层包括多块土地；
第三获取单元，所述第三获取单元用于根据所述乡村覆盖区域获取网格图层，所述网格图层包括多个原始网格；
第四获取单元，所述第四获取单元用于根据每块所述土地覆盖的所述原始网格，获取每块所述土地的网格面积，包括：
将任一块所述土地作为目标土地，将所述目标土地覆盖的每个所述原始网格作为一个目标网格，判断每个所述目标网格是否被所述目标土地全覆盖；
若所述目标网格被所述目标土地全覆盖，则将被所述目标土地全覆盖的所述目标网格作为第一网格；
若所述目标网格未被所述目标土地全覆盖，则将未被所述目标土地全覆盖的所述目标网格作为第二网格，使所述第二网格生成多个子网格，使至少一个所述子网格被所述目标土地全覆盖，将至少一个被所述目标土地全覆盖的所述子网格作为第三网格；
根据所述第一网格和所述第三网格，获取所述目标土地对应的所述网格面积；
第五获取单元，所述第五获取单元用于根据每块所述土地的所述网格面积，和每块所述土地上的农作物种类，获取土地农作物面积，包括：
获取多块所述土地内的农作物图像，其中，每块所述土地只种植一种所述农作物种类；
若获取到一个季度的所述农作物图像，则根据所述一个季度的所述农作物图像获取对应的所述农作物种类，作为实际种植农作物；
若获取到两个季度的所述农作物图像，且所述两个季度的所述农作物图像对应的所述农作物种类相同，则将相同的所述农作物种类作为所述实际种植农作物；
若获取到所述两个季度的所述农作物种类不同，则根据预设优先级，从所述两个季度的所述农作物图像对应的所述农作物种类中获取所述实际种植农作物；
根据所述实际种植农作物和所述土地的所述网格面积获取所述土地农作物面积。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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计算机程序时，实现如权利要求1至4中任一项所述的计算农作物面积的方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如权利要求1至4任一项所述的计算农作物面积的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310899702.7A CN116664663B (zh) | 2023-07-21 | 2023-07-21 | 计算农作物面积的方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310899702.7A CN116664663B (zh) | 2023-07-21 | 2023-07-21 | 计算农作物面积的方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116664663A CN116664663A (zh) | 2023-08-29 |
| CN116664663B true CN116664663B (zh) | 2023-10-20 |
Family
ID=87709990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310899702.7A Active CN116664663B (zh) | 2023-07-21 | 2023-07-21 | 计算农作物面积的方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664663B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349561A (zh) * | 2007-07-17 | 2009-01-21 | 农业部规划设计研究院 | 大尺度作物种植面积车载调查方法与*** |
| CN103033150A (zh) * | 2011-10-09 | 2013-04-10 | 黄青 | 用modis数据快速提取主要农作物种植面积的方法 |
| CN107084688A (zh) * | 2017-05-06 | 2017-08-22 | 湖北大学 | 一种基于地块尺度的农作物面积动态变化遥感监测方法 |
| CN107103305A (zh) * | 2017-05-03 | 2017-08-29 | 西安科技大学 | 基于高分辨率遥感影像的高标准农田识别方法 |
| CN108151679A (zh) * | 2017-12-29 | 2018-06-12 | 深圳市智物联网络有限公司 | 一种土地面积测量的方法及*** |
| CN110175931A (zh) * | 2019-05-10 | 2019-08-27 | 北京师范大学 | 一种大范围快速提取农作物种植面积和物候信息的方法 |
| CN111143500A (zh) * | 2019-12-27 | 2020-05-12 | 中国联合网络通信集团有限公司 | 可视化面积计算方法、终端、控制设备及存储介质 |
| KR20210063016A (ko) * | 2019-11-22 | 2021-06-01 | 주식회사 공간정보 | 작물 재배면적 추출방법 및 프로그램 |
| CN113989362A (zh) * | 2021-10-28 | 2022-01-28 | 江苏天汇空间信息研究院有限公司 | 一种快速有效判断农作物面积的方法 |
| CN114140513A (zh) * | 2021-11-23 | 2022-03-04 | 江西裕丰智能农业科技有限公司 | 农业用地的面积测量方法、装置、计算机设备 |
| CN114494513A (zh) * | 2021-12-31 | 2022-05-13 | 深圳思凯微电子有限公司 | 农机作业面积的获得方法、装置、终端设备以及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017120050A1 (de) * | 2017-08-31 | 2019-02-28 | Krones Ag | Verfahren zum Planen von Verpackungsanlagen |
| JP7163881B2 (ja) * | 2019-08-02 | 2022-11-01 | トヨタ自動車株式会社 | 作物特性予測システム、作物特性予測方法、及び作物特性予測プログラム |
| CN113902185B (zh) * | 2021-09-30 | 2023-10-31 | 北京百度网讯科技有限公司 | 区域用地性质的确定方法、装置、电子设备及存储介质 |
-
2023
- 2023-07-21 CN CN202310899702.7A patent/CN116664663B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349561A (zh) * | 2007-07-17 | 2009-01-21 | 农业部规划设计研究院 | 大尺度作物种植面积车载调查方法与*** |
| CN103033150A (zh) * | 2011-10-09 | 2013-04-10 | 黄青 | 用modis数据快速提取主要农作物种植面积的方法 |
| CN107103305A (zh) * | 2017-05-03 | 2017-08-29 | 西安科技大学 | 基于高分辨率遥感影像的高标准农田识别方法 |
| CN107084688A (zh) * | 2017-05-06 | 2017-08-22 | 湖北大学 | 一种基于地块尺度的农作物面积动态变化遥感监测方法 |
| CN108151679A (zh) * | 2017-12-29 | 2018-06-12 | 深圳市智物联网络有限公司 | 一种土地面积测量的方法及*** |
| CN110175931A (zh) * | 2019-05-10 | 2019-08-27 | 北京师范大学 | 一种大范围快速提取农作物种植面积和物候信息的方法 |
| KR20210063016A (ko) * | 2019-11-22 | 2021-06-01 | 주식회사 공간정보 | 작물 재배면적 추출방법 및 프로그램 |
| CN111143500A (zh) * | 2019-12-27 | 2020-05-12 | 中国联合网络通信集团有限公司 | 可视化面积计算方法、终端、控制设备及存储介质 |
| CN113989362A (zh) * | 2021-10-28 | 2022-01-28 | 江苏天汇空间信息研究院有限公司 | 一种快速有效判断农作物面积的方法 |
| CN114140513A (zh) * | 2021-11-23 | 2022-03-04 | 江西裕丰智能农业科技有限公司 | 农业用地的面积测量方法、装置、计算机设备 |
| CN114494513A (zh) * | 2021-12-31 | 2022-05-13 | 深圳思凯微电子有限公司 | 农机作业面积的获得方法、装置、终端设备以及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Use of high resolution imagery and ground survey data for estimating crop areas in Mengcheng county, China;H Kerdiles;《IOP Conference Series: Earth and Environmental Science》;全文 * |
| 基于无人机遥感影像的水稻种植信息提取;李明 等;《农业工程学报》;全文 * |
| 基于深度学习和图像融合诊断甲状腺结节良恶性的研究;陈飞 等;《广东医学》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116664663A (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10015360B1 (en) | Image-based field boundary detection and identification | |
| CN111656387B (zh) | 图像中的作物边界检测 | |
| CN111199214B (zh) | 一种残差网络多光谱图像地物分类方法 | |
| Gueta et al. | Quantifying the value of user-level data cleaning for big data: A case study using mammal distribution models | |
| Fletcher et al. | Integrated models that unite local and regional data reveal larger-scale environmental relationships and improve predictions of species distributions | |
| Betzek et al. | Computational routines for the automatic selection of the best parameters used by interpolation methods to create thematic maps | |
| CN109508881B (zh) | 海岛区域分类及生态资源价值评估方法 | |
| CN110363176B (zh) | 一种图像分析方法及装置 | |
| Byrne et al. | Estimating badger social-group abundance in the Republic of Ireland using cross-validated species distribution modelling | |
| CN111489387B (zh) | 遥感图像建筑物面积计算方法 | |
| CN109766742B (zh) | 一种玉米籽裂纹识别方法、装置、***、设备和存储介质 | |
| CN111369152B (zh) | 农业土地价值评估优化方法、装置、设备及可读存储介质 | |
| CN113688172B (zh) | 滑坡易发性评估模型训练方法、评估方法、装置及介质 | |
| CN114820532A (zh) | 一种蝗区分析方法及装置 | |
| CN116664663B (zh) | 计算农作物面积的方法、装置、计算机设备及存储介质 | |
| Webb et al. | Developing spatially‐explicit weighting factors to account for bias associated with missed GPS fixes in resource selection studies | |
| CN112241981A (zh) | 一种验证农作物种植面积二类测量数据精度的方法及装置 | |
| CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
| Ruiz-Lendínez et al. | Method for an automatic alignment of imagery and vector data applied to cadastral information in Poland | |
| CN113240340B (zh) | 基于模糊分类的大豆种植区分析方法、装置、设备和介质 | |
| US20230102406A1 (en) | System and method for automated forest inventory mapping | |
| CN114154680A (zh) | 一种城市地面塌陷预测方法、装置及电子设备 | |
| CN113989632A (zh) | 一种遥感图像桥梁检测方法、装置、电子设备及存储介质 | |
| CN112418043A (zh) | 玉米杂草遮挡确定方法、装置、机器人、设备及存储介质 | |
| CN116612474B (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |