技术摘要：
本发明公开了一种基于无人机的毒品原植物识别方法、系统及存储介质，包括：无人机进行图像采集；对所述图像进行区分选择出大麻近红外图像和大麻伪彩色图像；对所述大麻近红外图像和所述大麻伪彩色图像进行特征提取；将所述大麻近红外图像和所述大麻伪彩色图像提取出来  全部
背景技术：
多项研究表明，使用诸如海洛因和大麻之类的非法毒品会严重影响人体。以大麻 为例，这种毒品作物的易加工性使其成为全世界消费最多的毒品。与其他作物不同，它不需 要特殊的天气条件即可种植。这使得禁止大麻的种植很困难，任何地方都可能成为潜在的 种植地。 传统的非法毒品原植物勘查依赖人工踏查，通过组织大量的人力，由公安人员依 据掌握的知识与经验对疑似毒品原植物在植物形态上进行辨认。然而随着近些年打击毒品 力度的加大，非法种植呈现隐秘化趋势，多在人迹罕至的丛林山区，很多区域地形复杂险 峻、崇山密林，盲点死角多。 近年来，随着遥感技术的发展，基于卫星遥感数据的植物检测已经获得广泛地应 用。但是卫星遥感技术存在图像分辨率低，噪声干扰因素多，无云天气和地表覆盖物遮挡等 限制。 此外，在实际过程中，很难得到大量带有标签的毒品原植物训练数据。在以往毒品 原植物识别方法中，大多数依赖像素的光谱特征，图像可能非常嘈杂、容易出错，且从测试 图像中的数百万个像素进行分类对设备的计算能力要求高。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基 于无人机的毒品原植物识别方法，能够快速灵活地识别出毒品原植物，帮助公安机关打击 非法毒品交易者，减少不必要的人工巡查时间。 本发明还提出一种应用上述基于无人机的毒品原植物识别方法的基于无人机的 毒品原植物识别系统。 本发明还提出一种应用上述基于无人机的毒品原植物识别方法的基于无人机的 毒品原植物识别存储介质。 根据本发明第一方面实施例的基于无人机的毒品原植物识别方法，包括： 利用无人机进行图像采集； 对所述图像进行区分选择出大麻近红外图像和大麻伪彩色图像； 对所述大麻近红外图像和所述大麻伪彩色图像进行特征提取，得到特征量； 对所述特征量进行融合并用于训练分类网络，得到大麻判别模型； 基于所述大麻判别模型，利用对抗迁移学习技术，生成毒品原植物判别模型； 利用所述毒品原植物判别模型进行毒品原植物识别。 根据本发明实施例的基于无人机的毒品原植物识别方法，至少具有如下有益效 4 CN 111582051 A 说　明　书 2/11 页 果：利用无人机采集图像，然后从采集的图像中选择大麻近红外图像、大麻伪彩色图像作为 输入数据，经过特征提取网络获取不同图像特征，再由融合特征分类网络识别大麻；以大麻 识别网络为源域，通过弱监督对抗性域适应训练，获得其它毒品原植物判别模型；上述毒品 原植物识别系统的网络参数量少，计算效率高，可由无人机本地处理；不受地形、天气等限 制，可针对居民区和偏远山区等种植地，实时识别多种毒品原植物，帮助公安机关打击非法 毒品交易者，减少不必要的人工巡查时间。 根据本发明的一些实施例，所述无人机飞抵侦查区域，包括： 无人机依据A*算法规划飞行路线； 无人机依据所述飞行路线，到达待侦查区域； 无人机对所述待侦查区域进行图像采集。 根据本发明的一些实施例，所述对所述大麻近红外图像和所述大麻伪彩色图像进 行特征提取，包括： 利用第一轻量化子网络对所述大麻近红外图像进行特征提取； 利用第二轻量化子网络对所述大麻伪彩色图像进行特征提取。 根据本发明的一些实施例，所述第一轻量化子网络包括深度分离卷积层、全连接 层和若干个辅助层，所述辅助层包括池化层、drop-out层、激活层和数据压平层。 根据本发明的一些实施例，所述第二轻量化子网络包括卷积层、全连接层、批量归 一化层、激活层和池化层。 根据本发明的一些实施例，所述利用所述特征量进行融合并用于训练分类网络， 得到大麻判别模型，包括： 通过所述大麻近红外图像得到近红外特征量，通过所述大麻伪彩色图像得到伪彩 色特征量； 将所述近红外特征量和所述伪彩色特征量进行结合，得到特征张量； 使用最小最大归一化算法对所述特征张量进行归一化预处理； 将经过归一化预处理的特征张量对分类网络进行训练，得到大麻判别模型。 根据本发明的一些实施例，所述基于大麻判别模型，利用对抗迁移学习技术，生成 毒品原植物判别模型，包括： 保持大麻判别模型的大麻分类网络和大麻特征映射不变，用所述大麻特征映射初 始化毒品原植物特征映射； 优化生成对抗网络函数，获得目标域分类器和毒品原植物特征映射，生成毒品原 植物判别模型。 根据本发明的一些实施例，所述使用最小最大归一化算法对所述特征张量进行归 一化预处理，其中，所述最小最大归一化算法可表示为： 其中f'是最终归一化张量，f是原始张量，min(fi)和max(fi)分别是张量f的最小值 和最大值。 根据本发明第二方面实施例的基于无人机的毒品原植物识别系统，还包括： 5 CN 111582051 A 说　明　书 3/11 页 选择单元，用于对无人机采集的图像进行区分选择出大麻近红外图像和大麻伪彩 色图像； 特征提取单元，用于对所述大麻近红外图像和所述大麻伪彩色图像进行特征提 取； 处理单元，用于将所述大麻近红外图像和所述大麻伪彩色图像提取出来的特征量 进行融合； 训练单元，用于将融合后特征量训练分类网络，从而得到大麻判别模型； 对抗迁移学习单元，能够基于大麻判别模型，利用对抗迁移学习技术，生成毒品原 植物判别模型。 根据本发明实施例的基于无人机的毒品原植物识别系统，至少具有如下有益效 果：通过上述的基于无人机的毒品原植物识别方法，能够快速灵活地识别出毒品原植物，帮 助公安机关打击非法毒品交易者，减少不必要的人工巡查时间。 根据本发明第三方面实施例的基于无人机的毒品原植物识别存储介质，能够应用 根据本发明上述第一方面实施例的基于无人机的毒品原植物识别方法。 根据本发明实施例的基于无人机的毒品原植物识别存储介质，至少具有如下有益 效果：基于无人机的毒品原植物识别存储介质存储有基于无人机的毒品原植物识别系统的 基于无人机的毒品原植物识别方法指令，能够快速灵活地识别出毒品原植物，帮助公安机 关打击非法毒品交易者，减少不必要的人工巡查时间。 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。 附图说明 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解，其中： 图1为本发明实施例一的基于无人机的毒品原植物识别方法的流程图； 图2为本发明实施例一的基于无人机的毒品原植物识别方法中的特征提取的工作 流程图； 图3为本发明实施例一的基于无人机的毒品原植物识别方法中的融合训练的工作 流程图； 图4为本发明实施例一的基于无人机的毒品原植物识别方法中的对抗迁移学习的 工作流程图； 图5为本发明实施例二的基于无人机的毒品原植物识别系统的结构示意图。