[发明专利]一种基于语义分割的青花椒识别方法

说明书

本发明公开了一种基于语义分割的青花椒识别方法，获取青花椒在目标区域内的第一遥感影像与第二遥感影像；分别对第一遥感影像与第二遥感影像进行切割，并对第二影像与第一影像进行像素级别的高精度标注工作，获得第一二值掩膜文件与第二二值掩膜文件；将第一二值掩膜文件与第二二值掩膜文件做逻辑与运算，并对获得的第四数据进行数据增强；构建基于语义分割的青花椒识别模型，获得优化模型；将测试数据集输入到优化模型中进行测试，获得最优语义分割模型；构建目标区域内的第二3D模型，提取农业信息；本发明的有益效果为对青花椒种植面积的识别精度更高，为相关大面积农业的检测和农业政策的制定提供有力的数据支持，具有广阔的发展应用前景。

技术领域

本发明涉及农业卫星遥感影像识别和深度学习技术领域，尤其涉及一种基于语义分割的青花椒识别方法。

背景技术

基于深度学习的高分辨率卫星遥感影像解译技术具有解译速度快、解译精度高以及解译成本低廉等优势，相较于传统费时费力的人工解译方式能更好的适应现代规模化种植农业的监测和管理需求。受限于当前九叶青花椒高分辨率卫星遥感影像标注数据集的缺失以及九叶青花椒在不同时期高分辨率卫星遥感影像中存在较大形貌特征差异的影响，相对而言，当前能准确高效地从高分辨率卫星遥感影像中获取九叶青花椒的相关种植信息的技术比较缺乏。近年来随着九叶青花椒在不同区域的大面积化规模化种植，无论是依靠人员实地走访调查还是依靠人工解译高分辨率卫星遥感影像的农业信息统计方式，都无法满足当前快速增长的青花椒监测和管理需求。

发明内容

本发明的目的在于提供一种基于语义分割的青花椒识别方法，通过采用深度神经网络模型在本发明提供的数据库上构建基于不同时期卫星影像序列的青花椒识别模型，提高了高分辨率卫星遥感影像中的青花椒识别精度，进一步降低了规模化种植青花椒监测和管理成本，实现了青花椒农业的绿色健康发展。

本发明通过下述技术方案实现：

一种基于语义分割的青花椒识别方法，包括以下步骤：

S1：获取青花椒在目标区域内的第一遥感影像与第二遥感影像，并将目标区域划分为多个子区域，选取具有代表性区域的子区域作为目标子区域，所述第一遥感影像为青花椒在剪枝前的遥感影像，所述第二遥感影像为青花椒在剪枝后一个月内的遥感影像，所述目标区域为青花椒种植区域，所述具有代表性区域的子区域为青花椒种植较为集中的子区域；

S2：对第一遥感影像进行切割，获得若干第一遥感子影像，并选取目标子区域内的第一遥感子影像构成第二影像，并对第二影像进行像素级别的高精度标注工作，获得第一二值掩膜文件；

S3：对第二遥感影像进行切割，获得若干第二遥感子影像，并选取目标子区域内的第二遥感子影像构成第三影像，并对第三影像进行像素级别的高精度标注工作，获得第二二值掩膜文件；

S4：将第一二值掩膜文件与第二二值掩膜文件做逻辑与运算，获得第四数据；

S5：对获得的第四数据进行数据增强，并将数据增强后获得的数据按照一定比例划分为测试数据集、训练数据集以及验证数据集；

S6：构建基于语义分割的青花椒识别模型，将训练数据集用于对构建的模型进行训练，得到训练模型，在将验证数据集输入到训练模型中，对模型进行优化，获得优化模型；

S7：将测试数据集输入到优化模型中进行测试，获得最优语义分割模型；

S8：基于第一遥感子影像与最优语义分割模型，构建目标区域内的第一3D模型，并基于第一3D模型，提取第一农业信息；

S9：基于第二遥感子影像与最优语义分割模型，构建目标区域内的第二3D模型，并基于第二3D模型，提取第二农业信息；

S10：基于第一农业信息与第二农业信息，评估种植青花椒的产量。