本发明涉及计算机视觉，尤其涉及一种基于无人机的除草监控评价方法和系统。
背景技术：
1、深度学习是近十年来人工智能领域取得的最重要的突破之一，在语音识别、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。近两年来，随着对深度学习算法的理解逐渐加深，越来越多的研究者开始从输入到输出全部采用深度学习模型，并进行端到端的训练，在很多任务上取得了比较大的突破。
2、但对于除草作业时，单纯地依靠除草机的自身动作无法准确对除草草场进行合理除草策略的自适应变化，只能通过一遍又一遍重复的行为进行反复除草，缺乏实时性基于草场变化的除草监控方案。
技术实现思路
1、为实现上述目的，本技术提供如下技术方案：
2、根据本发明第一方面，本发明请求保护一种基于无人机的除草监控评价方法，其特征在于，所述方法包括：
3、无人机采集与监控行为发起动作和监控行为终止动作存在的监控行为的行为轨迹语义记录，得到行为轨迹语义记录列表；所述监控行为存在至少两个变化的待除草草场；
4、当变化行为开始后，从所述行为轨迹语义记录列表中确定监控行为记录；
5、按照各个待除草草场存在的顺序执行待除草草场标记，并且在各个待除草草场中，根据除草动作预测记录执行除草动作预测；所述除草动作预测记录是根据实时变化动作快照及所述监控行为记录确定的。
6、进一步地，所述按照各个待除草草场存在的顺序执行待除草草场标记，并且在各个待除草草场中，根据除草动作预测记录执行除草动作预测包括：
7、在实时变化动作快照未到达实时待除草草场存在的变化终止行为时，根据除草动作预测记录执行除草动作预测；
8、在实时变化动作快照到达实时待除草草场存在的变化终止行为、且未达到所述监控行为终止动作时，标记至下一个待除草草场。
9、进一步地，所述监控行为记录包括各个待除草草场存在的子行为轨迹语义记录；在所述在实时变化动作快照未到达实时待除草草场存在的变化终止行为时，根据除草动作预测记录执行除草动作预测之前，所述方法还包括：
10、根据实时待除草草场存在的子行为轨迹语义记录，创建相应的目标变化行为深度学习模型；
11、所述目标变化行为深度学习模型用于在实时变化动作快照未到达实时待除草草场存在的变化终止行为时，从所述子行为轨迹语义记录中采集与所述实时变化动作快照存在的除草动作预测记录，并上报携带所述除草动作预测记录的除草动作预测指令；
12、所述在实时变化动作快照未到达实时待除草草场存在的变化终止行为时，根据除草动作预测记录执行除草动作预测包括：
13、在实时变化动作快照未到达实时待除草草场存在的变化终止行为时，响应于所述除草动作预测指令，根据所述除草动作预测记录执行除草动作预测。
14、进一步地，所述根据实时待除草草场存在的子行为轨迹语义记录，创建相应的目标变化行为深度学习模型包括：
15、采集变化行为特征列表；所述变化行为特征列表包括各个待除草草场存在的特征子列表；各个待除草草场存在的特征子列表中包括各个待除草草场各自存在的子变化行为态；
16、将实时待除草草场存在的子变化行为态确定为实时控制特征，以启动创建实时待除草草场存在的变化行为深度学习模型，并根据所述子行为轨迹语义记录对创建的所述变化行为深度学习模型执行初始化，得到实时待除草草场存在的目标变化行为深度学习模型。
17、进一步地，所述变化行为特征列表还包括终止特征；所述方法还包括：
18、在实时变化动作快照到达所述监控行为终止动作时，将所述终止特征确定为实时控制特征，以启动终止全部变化行为；
19、所述变化行为特征列表还包括终止特征；所述方法还包括：
20、当获取到变化行为终止消息时，将所述终止特征确定为实时控制特征，以启动终止变化行为；
21、各个待除草草场存在的特征子列表中包括各个待除草草场各自存在的子终止特征；在所述标记至下一个待除草草场之前，所述方法还包括：
22、在实时变化动作快照到达实时待除草草场存在的变化终止行为、且未达到所述监控行为终止动作时，将实时待除草草场存在的子终止特征确定为实时控制特征，以启动终止实时变化行为。
23、进一步地，所述标记至下一个待除草草场包括：
24、将下一个待除草草场存在的子变化行为态确定为实时控制特征，以启动创建下一个待除草草场存在的变化行为深度学习模型，并根据下一个待除草草场存在的子行为轨迹语义记录对创建的变化行为深度学习模型执行初始化，得到下一个待除草草场存在的目标变化行为深度学习模型。
25、进一步地，各个待除草草场存在的特征子列表中包括各个待除草草场各自存在的异常特征；所述方法还包括：
26、在实时变化动作快照偏离实时待除草草场存在的动作时，将实时待除草草场存在的异常特征确定为实时控制特征，以启动采集以实时变化动作快照为起始点、以所述变化终止行为为终点并且与实时待除草草场存在的动作再监控记录；
27、在采集到所述动作再监控记录后，重新将所述实时待除草草场存在的子变化行为态确定为实时控制特征，以启动根据所述动作再监控记录更新所述目标变化行为深度学习模型。
28、进一步地，所述目标变化行为深度学习模型还用于在实时变化动作快照偏离实时待除草草场存在的动作时，上报携带实时变化动作快照的异常指令；
29、所述在实时变化动作快照偏离实时待除草草场存在的动作时，将实时待除草草场存在的异常特征确定为实时控制特征包括：
30、在实时变化动作快照偏离实时待除草草场存在的动作时，响应于所述异常指令，将实时待除草草场存在的异常特征确定为实时控制特征。
31、进一步地，在所述从所述行为轨迹语义记录列表中确定监控行为记录之后，所述方法还包括：
32、控制实时监控显示屏根据所述监控行为记录展示存在的监控行为；
33、所述根据除草动作预测记录执行除草动作预测包括：
34、控制实时监控显示屏展示所述除草动作预测记录。
35、根据本发明第二方面，本发明请求保护一种基于无人机的除草监控评价系统，其特征在于，所述系统包括：
36、行为轨迹语义记录采集单元，无人机采集与监控行为发起动作和监控行为终止动作存在的监控行为的行为轨迹语义记录，得到行为轨迹语义记录列表；所述监控行为存在至少两个变化的待除草草场；
37、监控行为记录确定单元，用于当变化行为开始后，从所述行为轨迹语义记录列表中确定监控行为记录；
38、标记单元，用于按照各个待除草草场存在的顺序执行待除草草场标记，并且在各个待除草草场中，根据除草动作预测记录执行除草动作预测；所述除草动作预测记录是根据实时变化动作快照及所述监控行为记录确定的。
39、本发明涉及计算机视觉技术领域，尤其涉及一种基于无人机的除草监控评价方法和系统，无人机采集与监控行为发起动作和监控行为终止动作存在的监控行为的行为轨迹语义记录，得到行为轨迹语义记录列表，监控行为存在至少两个变化的待除草草场；当变化行为开始后，从行为轨迹语义记录列表中确定监控行为记录；按照各个待除草草场存在的顺序执行待除草草场标记，并且在各个待除草草场中，根据除草动作预测记录执行除草动作预测，除草动作预测记录是根据实时变化动作快照及监控行为记录确定的。本发明可以及时发现视频监控中的突发的草场变化事件，对变化行为进行分析和制定对策，从而制定应对相关对策，来进行草场的杂草拔除。
1.一种基于无人机的除草监控评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述按照各个待除草草场存在的顺序执行待除草草场标记，并且在各个待除草草场中，根据除草动作预测记录执行除草动作预测包括：
3.根据权利要求2所述的方法，其特征在于，所述监控行为记录包括各个待除草草场存在的子行为轨迹语义记录；在所述在实时变化动作快照未到达实时待除草草场存在的变化终止行为时，根据除草动作预测记录执行除草动作预测之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述根据实时待除草草场存在的子行为轨迹语义记录，创建相应的目标变化行为深度学习模型包括：
5.根据权利要求4所述的方法，其特征在于，所述变化行为特征列表还包括终止特征；所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述标记至下一个待除草草场包括：
7.根据权利要求6所述的方法，其特征在于，各个待除草草场存在的特征子列表中包括各个待除草草场各自存在的异常特征；所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述目标变化行为深度学习模型还用于在实时变化动作快照偏离实时待除草草场存在的动作时，上报携带实时变化动作快照的异常指令；
9.根据权利要求1至8任意一项所述的方法，其特征在于，在所述从所述行为轨迹语义记录列表中确定监控行为记录之后，所述方法还包括：
10.一种基于无人机的除草监控评价系统，其特征在于，所述系统包括：
