[发明专利]基于遥感影像识别圆形喷灌地的方法、计算机设备和介质

权利要求书

1.一种基于遥感影像识别圆形喷灌地的方法，其特征在于，包括：

获取待识别区域的遥感影像；

将所述遥感影像输入第一U形神经网络模型，以由所述第一U形神经网络模型输出所述遥感影像的预测图片，所述预测图片标记了所述遥感影像中各像素点的预测结果，所述预测结果为每个像素点是否为圆形喷灌地像素点；

根据所述预测图片生成圆形喷灌地的位置信息；

其中，所述第一U形神经网络模型为第二U形神经网络模型经增量学习后得到，所述第二U型形神经网络模型为已完成训练的U形神经网络模型，且增量学习样本取自所述待识别区域的背景影像。

2.根据权利要求1所述的识别圆形喷灌地的方法，其特征在于，所述遥感影像为所述待识别区域的初始遥感影像经预处理后得到的，所述预处理包括对所述初始遥感影像的近红外、红、绿三个波段分别赋予红色、绿色、蓝色。

3.根据权利要求1所述的识别圆形喷灌地的方法，其特征在于，

所述第二U形神经网络模型的下采样结构中每个下采样单元包括下采样层和第一残差块，所述下采样层的输出作为所述第一残差块的输入；

所述第二U形神经网络模型的上采样结构中每个上采样单元包括上采样层和第二残差块，所述上采样层的输出作为所述第二残差块的输入。

4.根据权利要求3所述的识别圆形喷灌地的方法，其特征在于，所述第一残差块和所述第二残差块各自包括：

输入层，用于接收输入数据；

第一BN层，连接所述输入层；

第一卷积层，为3×3的卷积层，连接所述第一BN层；

第二BN层，连接所述第一卷积层；

第一激励函数层，连接所述第二BN层；

第二卷积层，为3×3的卷积层，连接所述第一激励函数层；

第三卷积层，为1×1的卷积层，连接所述输入层；

输出层，连接所述第二卷积层和所述第三卷积层，用于将所述第二卷积层和所述第三卷积层的输出相加结果进行输出。

5.根据权利要求4所述的识别圆形喷灌地的方法，其特征在于，所述第二U形神经网络模型通过以下步骤进行增量学习：

将增量学习样本输入当前第二U形神经网络模型，以由所述当前第二U形神经网络模型给出对应增量学习样本是否为圆形喷灌地的第一判定结果；

根据各增量学习样本的所述第一判定结果和认定标签，确定所述当前第二U形神经网络模型的准确率；

若所述准确率不收敛则调整所述当前第二U形神经网络模型中的权重；

将权重调整后的第二U形神经网络模型确定为当前第二U形神经网络模型，并返回执行将增量学习样本输入当前第二U形神经网络模型的步骤，直到所述当前第二U形神经网络模型的准确率收敛。

6.根据权利要求5所述的识别圆形喷灌地的方法，其特征在于，

所述增量学习样本包括取自所述背景影像的初始影像块样本以及至少部分初始影像块样本的变换样本；

其中，初始影像块样本的所述变换样本至少包括以下一种：初始影像块样本经旋转处理后得到的样本、初始影像块样本经平移处理后得到的样本、影像块样本经加噪声处理后得到的样本、初始影像块样本经色彩变换后得到的样本。

7.根据权利要求5所述的识别圆形喷灌地的方法，其特征在于，在所述当前第二U形神经网络模型的准确率收敛后，所述第二U形神经网络模型的增量学习过程还包括：

将验证样本集中各影像块样本输入当前第二U形神经网络模型，以由所述当前第二U形神经网络模型给出对应影像块样本是否为圆形喷灌地的第二判定结果，所述验证样本集中各影像块样本取自所述背景影像；

根据所述验证样本集中各影像块样本的所述第二判定结果和认定标签，确定所述当前第二U形神经网络模型的精度；

若所述精度不大于预设阈值则调整所述当前第二U形神经网络模型的超参数；

将调整后的第二U形神经网络模型确定为当前第二U形神经网络模型，并返回执行将增量学习样本输入当前第二U形神经网络模型的步骤，直到所述当前第二U形神经网络模型的精度大于预设阈值。