[发明专利]基于影像瓦片的生态保护红线地物目标识别方法及系统

权利要求书

1.基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，包括以下步骤：

基于影像瓦片服务，下载目标生态保护红线区域的实时遥感影像瓦片数据，并进行数据拼接；

将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目标自动识别模型；所述地物目标自动识别模型采用多组数据训练，多组数据包括：基于影像瓦片服务获取的生态保护红线区域遥感影像瓦片数据；所述生态保护红线区域遥感影像瓦片数据包含典型地物标注；

识别出所述目标生态保护红线区域的典型地物目标；

结合生态保护红线监管业务需要，根据所述实时遥感影像和识别出的典型地物目标图斑进行空间展示。

2.根据权利要求1所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，所述影像瓦片服务，包括：

将全球空间范围进行网格划分，构建一个无数据状态下的全球空间索引体系；

以单景影像作为网格数据管理的基本单元，为每景影像生成全球唯一的网格编码；

根据起点、坐标系和栅格瓦片的分辨率，结合所关注的生态保护红线研究区范围，计算其所在的行列号；

根据所述行列号、选择瓦片级别和瓦片下载格式的实时请求，提供每个实时请求影像瓦片下载和拼接服务。

3.根据权利要求1所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，所述地物目标自动识别模型的构建过程，包括：

基于影像瓦片服务，下载多组生态保护红线区域遥感影像瓦片数据并进行拼接；对拼接后的遥感影像瓦片数据进行典型地物标注及分析处理，按照预设比例分为训练集、验证集和测试集样本；

构建深度学习网络模型，对训练集样本分别进行特征提取，并进行迭代训练；

采用所述测试集样本和验证集样本，对深度学习网络模型进行准确率验证；

当训练后的所述深度学习网络模型的评价指标满足预设条件后，得到地物目标自动识别模型。

4.根据权利要求3所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，对拼接后的遥感影像瓦片数据进行典型地物标注及分析处理，包括：

对拼接后的遥感影像瓦片数据进行光伏用地、推填土用地、建筑用地、交通设施用地的类型标注；

对标注后的样本，采用随机旋转、颜色抖动、高斯噪声处理进行图像增强。

5.根据权利要求3所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，按照预设比例分为训练集、验证集和测试集样本，包括：

基于k折交叉验证的方式，按照8:1:1分为训练集、验证集和测试集样本。

6.根据权利要求2所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，所述深度学习模型采用多尺度特效的语义分割deeplab_v3网络结构，选择ResNet-50骨干网络；训练过程中损失函数选择交叉熵损失函数。

7.基于影像瓦片的生态保护红线地物目标识别系统，其特征在于，包括：

下载拼接模块：基于影像瓦片服务，下载目标生态保护红线区域的实时遥感影像瓦片数据，并进行数据拼接；

输入模块：将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目标自动识别模型；所述地物目标自动识别模型采用多组数据训练，多组数据包括：基于影像瓦片服务获取的生态保护红线区域遥感影像瓦片数据；所述生态保护红线区域遥感影像瓦片数据包含典型地物标注；

识别模块：识别出所述目标生态保护红线区域的典型地物目标；

展示模块：结合生态保护红线监管业务需要，根据所述实时遥感影像和识别出的典型地物目标图斑进行空间展示。