基于遥感影像的煤电企业检测方法和装置制造方法及图纸

本发明专利技术公开了一种基于遥感影像的煤电企业检测方法和装置，属于遥感监测领域。本发明专利技术将深度卷积神经网络技术应用于煤电企业智能识别中，将冷却塔作为煤电企业目标检测的特征训练神经网络模型，识别得到冷却塔的顶圆边界框和底圆边界框，实现了在卫星影像上对煤电厂进行自动化快速识别与定位。解决了目前仅靠统计上报来采集煤电企业分布的问题，提升了工作效率，有利于对煤电企业进行及时监管。并且本发明专利技术根据冷却塔在遥感影像上的成像特征进一步的对识别得到的顶圆边界框和底圆边界框进行验证，排除其余塔状干扰物的影响，提高了煤电企业的识别精度。电企业的识别精度。电企业的识别精度。

【技术实现步骤摘要】
基于遥感影像的煤电企业检测方法和装置


[0001]本专利技术涉及遥感监测领域，特别是指一种基于遥感影像的煤电企业检 测方法和装置。

技术介绍

[0002]当前，我国产业结构仍然偏重，能源体系高度依赖煤炭等化石能源， 能源消耗和污染排放量大，煤电企业作为重要的污染源企业需要对其进行 统计和监管。传统的煤电企业监控，主要依靠实地调研、污染指数监控、 公共监督等进行统计汇总，工作效率低，监管滞后。
[0003]遥感作为一种现代化高新技术，能够获取高时效、高精度、大范围的 地面信息，凭借遥感技术的宏观、客观、及时等特点，使用高分辨率遥感 图像对地面目标进行精确、快速的目标检测成为可能。但是，目前基于高 空间分辨率卫星遥感影像对水泥厂、尾矿库、设施农用地等建设行业的识 别和提取较多，而对于煤电企业的识别精度不高。遥感影像对目标地物进 行识别和提取，主要是基于目标检测及深度学习等技术，该项技术对水泥 厂等企业提取精度较高，但是对于煤电企业，由于未充分考虑煤电企业的 行业特点在空间结构的差异，因此对于煤电企业的识别精度不高。/>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像的煤电企业检测方法，其特征在于，所述方法包括：S1：将获取的待检测遥感影像输入训练好的神经网络模型，通过所述神经网络模型对冷却塔的顶圆和底圆进行目标检测，得到冷却塔的若干个顶圆边界框和若干个底圆边界框；其中，所述顶圆和底圆的形状为正圆形或椭圆形；S2：计算所述顶圆边界框与所述底圆边界框的中心距离L，并计算所述顶圆和所述底圆的离心率e1和e2；e1＝b
h1
/b
w1
e2＝b
h2
/b
w2
其中，(b
x1
,b
y1
)为所述顶圆边界框的中心坐标，(b
x2
,b
y2
)为所述底圆边界框的中心坐标，b
h1
和b
w1
分别表示所述顶圆边界框的长度和宽度分别相对于所述待检测遥感影像的长度和宽度的比例，b
h2
和b
w2
分别表示所述底圆边界框的长度和宽度分别相对于所述待检测遥感影像的长度和宽度的比例；S3：若一个顶圆边界框与一个底圆边界框既满足0≤L≤h*k*tanα，又满足T1≤e1≤T2且T1≤e2≤T2，则将该一个顶圆边界框和一个底圆边界框设置为属于一个冷却塔目标；其中，T1和T2分别为设置的下限阈值和上限阈值，α为所述待检测遥感影像的卫星天顶角，h的取值范围为我国煤电企业冷却塔的高度范围，k为设定的容差系数；S4：将所述冷却塔目标所在区域确定为煤电企业。2.根据权利要求1所述的基于遥感影像的煤电企业检测方法，其特征在于，所述S1中，还通过所述神经网络模型对冷却塔的整体进行目标检测，得到冷却塔的若干个整体边界框；所述S3之后，S4之前还包括：S3.1：判断属于一个冷却塔目标的一个顶圆边界框和一个底圆边界框是否全部位于同一个整体边界框内，若是，则保留该冷却塔目标，否则，剔除该冷却塔目标。3.根据权利要求1所述的基于遥感影像的煤电企业检测方法，其特征在于，所述S1中，还通过所述神经网络模型对冷却塔的整体进行目标检测，得到冷却塔的若干个整体边界框；所述S2包括：S2.1：将全部位于同一整体边界框内的一个顶圆边界框和一个底圆边界框设置为一组；S2.2：计算同一组内的一个顶圆边界框与一个底圆边界框的中心距离L，并计算同一组内的一个顶圆和一个底圆的离心率e1和e2；所述S3包括：若同一组内的一个顶圆边界框与一个底圆边界框既满足0≤L≤h*k*tanα，又满足T1≤e1≤T2且T1≤e2≤T2，则将该同一组内的一个顶圆边界框和一个底圆边界框设置为属于一个冷却塔目标。4.根据权利要求2或3所述的基于遥感影像的煤电企业检测方法，其特征在于，所述神
经网络模型通过如下方法训练得到：S10：获取训练用的遥感影像样本的集合，初始化待训练的神经网络模型的各个参数；S20：将遥感影像样本划分为S*S的网格，在遥感影像样本上标注得到标注框，并为每个网格i设置样本标签；其中，i＝1,2,
…
,S2；所述标注框的类别包括顶圆边界框类、底圆边界框类和整体边界框类，网格i的样本标签包括中心位于该网格i内的标注框truth
i
的中心坐标(x
i
，y
i
)、长度w
i
和宽度h
i
，中心位于该网格i内的标注框truth
i
属于真实的冷却塔的概率C
i
，中心位于该网格i内的标注框truth
i
分别属于顶圆边界框类，底圆边界框类和整体边界框类的类别概率p
i
(c)，c∈classes，classes＝{顶圆边界框类、底圆边界框类和整体边界框类}；S30：将选取的一个批次的遥感影像样本输入待训练的神经网络模型，每个网格i预测得到B个预测框pred
ij
的中心坐标长度和宽度并预测得到每个预测框pred
ij
分别属于顶圆边界框类、底圆边界框类和整体边界框类的类别概率其中，j＝1,2,
…
,B；S40：计算每个网格i的每个预测框pred
ij
的置信度并得到每个网格i的输出向量；其中，每个网格i的输出向量包括B个预测框pred

【专利技术属性】
技术研发人员：吴玲，马万栋，申文明，张文国，肖桐，毕京鹏，郭艳玲，张雪，史园莉，任致华，邰文飞，史雪威，陈绪慧，张玉环，张新胜，
申请(专利权)人：生态环境部卫星环境应用中心，
类型：发明
国别省市：