(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 202211135055.4 (22)申请日 2022.09.19 (71)申请人 江苏科技大学 地址 212003 江苏省镇江市京口区梦溪路2 号 (72)发明人 王浩宇　陈建军　徐泰华　杨习贝　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 柏尚春 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/13(2022.01) G06V 10/771(2022.01) G06V 10/74(2022.01) (54)发明名称 一种基于流特征选择的农作物检测方法及 系统 (57)摘要 本发明公开了一种基于流特征选择的农作 物检测方法及系统， 该方法首先通过获取到的部 分农作物特征信息， 对地球表 面农作物样本进行 欧氏距离求解， 并求出各类农作物的自适应邻域 半径； 其次根据自适应半径邻域获取各农作物样 本之间的邻域关系； 最后利用基于依赖度和重要 度的流特征选择方法依次对获取到的农作物特 征信息进行评估， 得到进行后续农作物检测的最 优特征子集； 本发明能够对不同地区、 不同地理 环境下的各类农作物样本进行自适应求解， 提升 农作物检测准确率， 同时充分考虑了各类农作物 样本的决策， 减少恶劣天气 对农作物检测造成的 干扰。 权利要求书2页 说明书5页 附图3页 CN 115546632 A 2022.12.30 CN 115546632 A 1.一种基于流特 征选择的农作物检测方法， 其特 征在于， 包括如下步骤： (1)将遥感卫星获取到的地球表面农作物信息表示为流特征决策系统DT＝<U,C,D,t>， 其中U是农作物样本集合， C是农作物特征集合， D是农作 物类别集合， t是获取到信息的时间 点； (2)结合自适应半径邻域计算遥感卫星在ti时刻获取 的农作物特征fi的依赖度 所述自适应半径邻域关系为： 其中xij为第i种农作物样本集合中的第j株农作物样本， xk为U中的第k株农作物样本， Xi 为第i种农作物样本集合， r(Xi)为邻域半径， 为样本xij与Xi 中样本中心点 的欧氏距离， | ·|表示集合·的基数， c为经验常数； (3)若 大于全体样本特征的平均依赖度， 且 则将fi加入B， 否则舍 弃fi； 其中B为由保留的fi组成的特 征子集； (4)无新特征进入流特征决策系统， 则停止流特征选择过程， 输出B； 否则跳转步骤(2) 进行迭代。 2.根据权利要求1所述的基于流特征选择的农作物检测方法， 其特征在于， 步骤(2)中 所述依赖度的计算方法为： (21)定义D关于 *的正域POS*(D)， 其中， 为Xi的自适应半径邻域下近似集， IND(D) 是由D在U上诱 导出的等 价关系， 两个样本取自U且标签相同； (22)计算出每种农作物Xi对应的邻域半径； (23)计算U中任意两个农作物样本之间的欧氏距离； (24)计算xij的自适应半径邻域 (25)将 中的每个农作物样本xm的标签与农作物样本xij的标签进行对比， 若xm的 标签D(xm)与xij的标签D(xij)相同， 则将xm并入到POS*(D)中； (26)计算D关于 *的依赖度 3.根据权利要求1所述的基于流特征选择的农作物检测方法， 其特征在于， 步骤(1)中 还包括初始化， D关于B的依赖度γB(D)＝0， B中特 征的平均依赖度Meanγ＝0。 4.根据权利要求1所述的基于流特征选择的农作物检测方法， 其特征在于， 步骤(3)中 所述平均依赖度的计算方法为： Meanγ＝Σf′∈Bγf′(D)/|B| 其中f'为B中的农作物特 征。 5.根据权利要求1所述的基于流特征选择的农作物检测方法， 其特征在于， 步骤(3)中 还包括如下步骤： 若 则进行冗余消除过程， 对B中的每条特征f ′计算重要权　利　要　求　书 1/2 页 2 CN 115546632 A 2度Sig(f′,B,D)， Sig(f ′,B,D)＝γBU{f′}(D)‑γB(D)， 若Sig(f ′,B,D)＝0， 将f ′从B中删除。 6.根据权利要求1所述的基于流特征选择的农作物检测方法， 其特征在于， 步骤(1)中 所述流特征决策系统的表示方法为： (11)预先获知某地区农作物样本及样本所属类别， 得到农作物集合U及农作物类别集 合D； (12)遥感卫星拍摄农作物图像并记录拍摄时间点t； (13)对所述农作物图像进行 灰度转换和分辨 率提取； (14)将U中的样本对应的经纬度信息及步骤(13)中提取的分辨率转换为ASCII码， 得到 农作物特 征集合C； (15)将所述t、 U、 C和D表示 为流特征决策系统DT＝<U,C,D,t>。 7.一种基于流特 征选择的农作物检测系统， 其特 征在于， 包括： 流特征决策系统生成单元， 用于将遥感卫星获取的农作物特征信 息表示为流特征 决策 系统； 自适应半径邻域计算单元， 用于根据自适应半径邻域关系计算ti时刻获取的农作物特 征fi的依赖度 所述自适应半径邻域关系为： 其中xij为第i种农作物样本集合中的第j株农作物样本， xk为U中的第k株农作物样本， Xi 为第i种农作物样本集合， r(Xi)为邻域半径， 为样本xij与Xi 中样本中心点 的欧氏距离， | ·|表示集合·的基数， c为经验常数； 冗余特征检测模块， 用于根据依赖度进行冗余特征检测获取特征子集B， 若 大于 全体样本特征的平均依赖度， 且 则将fi加入B， 否则舍弃fi； 无新特征进入 流特征决策系统， 则停止流特征选择过程， 输出B； 否则跳转至自适应半径邻域计算单元进 行迭代。 8.一种电子设备， 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， 所述计算机程序被加载至处理器时实现根据权利要求 1‑6任一项所述 的基于流特 征选择的农作物检测方法。 9.一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， 其特征在 于， 所述计算机程序被处理器执行时实现根据权利要求1 ‑6任一项所述的基于流特征选择 的农作物检测方法。权　利　要　求　书 2/2 页 3 CN 115546632 A 3