一种基于语义分割的青花椒识别方法技术

本发明专利技术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；本发明专利技术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。发展应用前景。发展应用前景。

【技术实现步骤摘要】
一种基于语义分割的青花椒识别方法


[0001]本专利技术涉及农业卫星遥感影像识别和深度学习
，尤其涉及一种基于语义分割的青花椒识别方法。

技术介绍

[0002]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。

技术实现思路

[0003]本专利技术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专利技术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。
[0004]本专利技术通过下述技术方案实现：
[0005]一种基于语义分割的青花椒识别方法，包括以下步骤：
[0006]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；
[0007]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；
[0008]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；
[0009]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；
[0010]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；
[0011]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；
[0012]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；
[0013]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；
[0014]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；
[0015]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。
[0016]传统地对青花椒相关的农业信息的获取，是通过人工解译方式获取的，但是采用的人工解译方式获得的青花椒相关的农业信息中，费时费力，且识别出来的精度不够高；本专利技术提供了一种基于语义分割的青花椒识别方法，通过将青花椒在剪枝前与剪枝后不同时期获得的卫星遥感影像的数据结合起来，采用深度神经网络学习与高分辨率的卫星遥感影像技术，能够更准确的获取青花椒相关的农业信息，且用获取的农业信息更为准确的评估对应区域的青花椒的产量。
[0017]子区域是将目标区域按低一级行政边界划分为多个子区域，选取的子区域是在多个划分的多个子区域做比较获取的，并且能够直观体现青花椒的分布状况。
[0018]优选地，所述步骤S2中，对第二影像进行像素级别的高精度标注工作的具体标注方法为：
[0019]获取青花椒在遥感影像中的第一特征，所述第一特征为空间分布规律的青绿色区域，且青花椒区域的形状轮廓清晰，花椒田成连续分布；
[0020]基于获取的第一特征，任意选择一个第一遥感子影像，判断该第一遥感子影像是否存在青花椒区域，若存在，则将该第一遥感子影像中对应的像素值区域标注为1，否则，将该第一遥感子影像中对应的像素值区域标注为0，直到遍历完第二影像中的所有第一遥感子影像，获得第一二值掩膜文件。
[0021]这里的第一特征为青花椒在剪枝前在卫星遥感影像中所呈现的数据特征，具体为青花椒的形状轮廓清晰，颜色呈现青绿色，有部分阴影存在，花椒树与花椒树的空间分布规律，整体花椒田的分布连续。
[0022]优选地，所述步骤S3中，对第三影像进行像素级别的高精度标注工作的具体标注方法为：
[0023]获取青花椒在遥感影像中的第二特征，所述第二特征为空间分布规律的黑色斑点区域，且花椒田为土褐色；
[0024]基于获取的第二特征，任意选择一个第二遥感子影像，判断该第二遥感子影像是否存在青花椒区域，若存在，则将该第二遥感子影像中对应的像素值区域标注为1，否则，将该第二遥感子影像中对应的像素值区域标注为0，直到遍历完第三影像中的所有第二遥感子影像，获得第二二值掩膜文件。
[0025]这里的第二特征为青花椒在剪枝后在遥感卫星影像中所呈现的数据特征。
[0026]优选地，所述步骤S8具体方法步骤为：
[0027]任意选择一个第一遥感子影像，并通过最优语义分割模型对该第一遥感子影像进行预测，获得第一遥感影像数据图，直到遍历完所有的第一遥感子影像，获得若干第一遥感影像图；
[0028]将若干第一遥感影像图合并成一张第三遥感影像图；
[0029]基于第二遥感影像图与第二遥感影像图对应的高程数据，建立第一3D模型；
[0030]基于第一3D模型，提取青花椒在剪枝前的农业信息。
[0031]优选地，所述步骤S9的具体方法步骤为：
[0032]任意选择一个第二遥感子影像，并通过最优语义分割模型对该第二遥感子影像进行预测，获得第二遥感影像图，直到遍历完所有的第二遥感子影像，获得若干第二遥感影像图；
[0033]将若干第二遥感影像图合并成一张第四遥感影像图；
[0034]基于第四遥感影像图与第四遥感影像图对应的高程数据，建立第二3D模型；
[0035]基于第二3D模型，提取与青花椒在剪枝后的农业信息。
[0036]优选地，所述数据增强包括对第四数据进行水平翻转、垂直翻转、90度旋转、180度旋转、270度旋转、颜色抖动以及添加高斯噪声。
[0037]所述第一农业信息为青花椒在剪枝前的种植面积以及分布情况，所述第二农业信息为青花椒在剪枝后的种植面积以及分布情况。
[0038]所述步骤S5中，按照一定比例为：测试数据集、训练数据集、验证数据集的比为8:1:1。
...

【技术保护点】

【技术特征摘要】
1.一种基于语义分割的青花椒识别方法，其特征在于，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饿划分为测试数据集、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。2.根据权利要求1所述的一种基于语义分割的青花椒识别方法，其特征在于：所述步骤S2中，对第二影像进行像素级别的高精度标注工作的具体标注方法为：获取青花椒在遥感影像中的第一特征，所述第一特征为空间分布规律的青绿色区域，且青花椒区域的形状轮廓清晰，花椒田成连续分布；基于获取的第一特征，任意选择一个第一遥感子影像，判断该第一遥感子影像是否存在青花椒区域，若存在，则将该第一遥感子影像中对应的像素值区域标注为1，否则，将该第一遥感子影像中对应的像素值区域标注为0，直到遍历完第二影像中的所...

【专利技术属性】
技术研发人员：张浩，冉进业，王帅，杨余，
申请(专利权)人：西南大学，
类型：发明
国别省市：