(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 202210509338.4 (22)申请日 2022.05.10 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 李宁钏　严谨　熊剑平　孙海涛　 赵蕾　杨剑波　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种植被异常检测方法、 装置、 系统和存储 介质 (57)摘要 本申请公开了一种植被异常检测方法、 装 置、 系统和存储介质， 该植被异常检测方法包括： 获取待检测植被图像； 从预设图像库中选出与待 检测植被图像的相似度大于第一预设阈值的参 考植被图像； 对参考植被图像与待检测植被图像 进行差异比对， 得到差异区域图像； 对差异区域 图像进行识别， 得到植被异常识别结果， 植被异 常识别结果包括差异区域图像中的植被是否异 常。 通过上述方式， 本申请能够提高对植被进行 异常检测的准确度。 权利要求书3页 说明书9页 附图6页 CN 114998584 A 2022.09.02 CN 114998584 A 1.一种植被异常检测方法， 其特 征在于， 包括： 获取待检测植被图像； 从预设图像库中选出与所述待检测植被图像的相似度大于第一预设阈值的参考植被 图像； 对所述参考植被图像与所述待检测植被图像进行差异比对， 得到 差异区域图像； 对所述差异区域图像进行识别， 得到植被异常识别结果， 所述植被异常识别结果包括 所述差异区域图像中的植被是否异常。 2.根据权利要求1所述的植被异常检测方法， 其特征在于， 所述待检测植被图像为原始 植被图像中初步异常植被 检测的结果 为非异常植被图像的图像； 所述初步异常植被检测包括： 采用分割 网络对所述原始植被图像进行处理， 以检测所 述原始植被图像中是否存在异常植被区域。 3.根据权利要求1所述的植被异常检测方法， 其特征在于， 所述对所述参考植被图像与 所述待检测植被图像进行差异比对， 得到 差异区域图像的步骤， 包括： 对所述参考植被图像与所述待检测植被图像进行对齐处理， 得到对齐后的参考植被图 像； 对所述对齐后的参考植被图像与 所述待检测植被图像进行相似度比对， 得到所述差异 区域图像。 4.根据权利要求3所述的植被异常检测方法， 其特征在于， 所述对所述对齐后的参考植 被图像与所述待检测植被图像进行相似度比对， 得到所述差异区域图像的步骤， 包括： 分别对所述待检测植被图像以及所述对齐后的参考植被图像进行特征提取处理， 得到 所述待检测 植被图像对应的第一图像特征以及所述对齐后的参考植被图像对应的第二图 像特征； 基于所述第 一图像特征与 所述第二图像特征， 对所述待检测植被图像与所述对齐后的 参考植被图像进行相似度比对， 得到相似度信息； 基于所述相似度信息， 生成所述差异区域图像。 5.根据权利要求4所述的植被异常检测方法， 其特征在于， 所述相似度信 息包括多个相 似值， 所述基于所述相似度信息， 生成所述差异区域图像的步骤， 包括： 从所述多个相似值中确定出 大于第二预设阈值的相似值； 将所述待检测植被图像中与确定出的各个相似值对应的像素值确定为所述差异区域 图像的像素值。 6.根据权利要求3所述的植被异常检测方法， 其特征在于， 所述对所述差异区域图像进 行识别， 得到植被异常识别结果的步骤， 包括： 对所述差异区域图像进行识别， 得到正常植被区域概率值以及背景区域概率值， 所述 正常植被区域概率值为所述差异区域图像对应的区域为正常植被区域的概率值， 所述背 景 区域概率值为所述差异区域图像对应的区域为背 景区域的概率值， 所述背 景区域为所述待 检测植被图像中的非植被区域； 基于所述正常植被区域概率值以及所述背景区域概率值， 生成所述植被异常识别结 果。 7.根据权利要求6所述的植被异常检测方法， 其特征在于， 所述基于所述正常植被区域权　利　要　求　书 1/3 页 2 CN 114998584 A 2概率值以及所述背景区域 概率值， 生成所述 植被异常识别结果的步骤， 包括： 响应于所述正常植被区域概率值小于第 一预设概率值， 且所述背景区域概率值小于第 二预设概 率值， 确定所述 植被异常识别结果 为所述差异区域图像中的植被的类型为异常； 响应于所述正常植被区域概率值大于所述第 一预设概率值， 且所述背景区域概率值小 于所述第二预设概率值， 确定所述植被异常识别结果为所述差异区域图像中的植被的类型 为正常， 且所述差异区域图像对应的区域 为正常植被区域； 响应于所述正常植被区域概率值小于所述第 一预设概率值， 且所述背景区域概率值大 于所述第二预设概率值， 确定所述植被异常识别结果为所述差异区域图像中的植被的类型 为正常， 且所述差异区域图像对应的区域 为背景区域； 响应于所述正常植被区域概率值大于所述第 一预设概率值， 且所述背景区域概率值大 于所述第二预设概率值， 确定所述植被异常识别结果为所述差异区域图像中的植被的类型 为正常， 且所述差异区域图像对应的区域 为其他非异常区域。 8.根据权利要求6所述的植被异常检测方法， 其特征在于， 所述对所述差异区域图像进 行识别， 得到正常植被区域 概率值以及背景区域 概率值的步骤， 包括： 采用图像识别网络对所述差异区域图像进行识别， 所述图像识别网络包括第 一图像识 别网络与第二图像识别网络， 所述第一图像识别网络为利用包含类型为正常的植被的图像 训练得到的， 所述第二图像识别网络为利用包 含背景的图像训练得到的； 其中， 所述第一图像识别网络用于对所述差异区域图像进行识别， 得到所述正常植被 区域概率值； 所述第二图像识别网络用于对所述差异区域图像进行识别， 得到所述背景区 域概率值。 9.根据权利要求2所述的植被异常检测方法， 其特征在于， 所述初步异常植被检测的步 骤之前， 包括： 基于所述原始植被图像的采样参数信 息， 从多个预设分割网络中选择与所述原始植被 图像的采样参数的相似度大于第三预设阈值的分割网络， 以采用所述分割网络对所述原始 植被图像进行 所述初步异常植被 检测。 10.根据权利要求2所述的植被异常检测方法， 其特征在于， 所述原始植被图像由采集 装置采集得到， 所述方法还 包括： 获取所述原始植被图像的三维坐标信息； 基于所述原始植被图像中所述待检测植被图像的三维坐标信息与所述待检测植被图 像的像素点信息， 对所述差异区域图像进行定位， 得到所述差异区域图像的三维坐标信息 。 11.根据权利要求10所述的植被异常检测方法， 其特 征在于， 所述方法还 包括： 对所述采集装置在当前采集周期中得到的所有原始植被图像进行拼接， 得到全景图 像， 并在所述全景图像中标注出 所有所述差异区域图像。 12.一种植被检测装置， 其特征在于， 包括互相连接的存储器和处理器， 其中， 所述存储 器用于存储计算机程序， 所述计算机程序在被所述处理器执行时， 用于实现权利要求1 ‑11 中任一项所述的植被异常检测方法。 13.一种植被检测系统， 其特征在于， 包括采集装置与植被异常检测装置， 所述采集装 置与所述植被检测装置进行通信连接， 其中， 所述采集装置用于采集预设路线上 的植被图 像， 所述植被检测装置用于对所述植被图像进行检测， 得到植被异常识别结果， 所述植被检权　利　要　求　书 2/3 页 3 CN 114998584 A 3