【技术实现步骤摘要】
基于卷积神经网络的作业地块自动识别与计算方法
[0001]本专利技术涉及卫星定位识别
,更具体的说,尤其涉及一种基于卷积神经网络的作业地块自动识别与自动分类方法。
技术介绍
[0002]卷积神经网络是近年发展起来,并引起广泛重视的一种高效识别方法。
[0003]20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性,继而提出了卷积神经网络(Convolutional Neural Networks
‑
简称CNN)。
[0004]现在,CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于该网络避免了对图像的复杂前期预处理,可以直接输入原始图像,因而得到了更为广泛的应用。
[0005]K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。
[0006]随后,更多的科研工作者对该网络进行了改进,其中,具有代表性的研究成果是Alexander和Taylor提出的"改进认知机",该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。
[0007]一般地,CNN的基本结构包括两层,其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征:
[0008]其一:该局部特征被提取后,它与其它特征间的位置关系也随之确定下来;
[0009]其二是特征映射层,网络的每个计算层由多个特征映射组成,每个特征映射 ...
【技术保护点】
【技术特征摘要】
1.基于卷积神经网络的作业地块自动识别与计算方法,包括以下步骤:步骤一、多维特征图像生成;步骤二、多维卷积神经网络对作业地块进行识别;步骤三、栅格识别结果的矢量数据回归;步骤四、作业地块面积计算;所述步骤一:多维特征图像生成主要完成方式:(1)使用地理编码转换矢量轨迹数据生成栅格数据根据以车辆为单位的轨迹数据经纬度信息,使用原点为(X0,Y0),空间分辨率为(T
X
,T
Y
)、(T
X
/2,T
Y
/2)、(T
X
/4,T
Y
/4)的简单地理编码对轨迹点进行编码D
P
(D
X
,D
Y
),并连接时序点位;连接方法为直线生成算法,既则计算直线斜率后根据直线方程判断直线像素格是否经过直线,生成出的轨迹线的编码数组为D1;使用编码数组D
l
生成轨迹图像P
l
,其中P
l
中像素位置(P
X
,P
Y
)为地理编码(D
X
,D
Y
),生成轨迹层P
l
和参数信息层P
i
。轨迹层像素数值为该地理编码在编码数组中重复的次数,参数信息层像素数值为地理编码轨迹点搭载的传感器平均值。生成的轨迹图像P
l
像素值使用log归一化P
i
=log
10
P
i
/log
10
P
max
以避免停车等轨迹停滞场景带来的长尾数据干扰;生成的参数信息层Pi像素值使用P
g
=(P
g
‑
P
min
)/(P
max
‑
P
min
)进行归一化处理。(2)使用外部地理矢量数据转换成栅格数据使用轨迹图像P
l
的最大最小经纬度信息截取矢量图层,使用扫描线方法建立栅格图像。扫描线法具体是从最小经度到最大经度依次以空间分辨率为T
w
为间隔扫描线上是否存在矢量图形,如果存在图形则标记为该块栅格值为1否则为0,最终得到基础地理矢量的栅格形式数据P
v
。(3)使用外部地理栅格数据统一成栅格数据将轨迹图像P
l
的栅格覆盖到基础地理栅格数据G
g
上去,计算每个栅格P
XY
在G
g
上的对应栅格,计算新的像素值P
XY
=(∑
i
∑
j
G
g
(i,j))/(i*j),最终得到新的基础地理矢量的栅格形式数据P
g
,P
g
像素数值使用P
g
=...
【专利技术属性】
技术研发人员:何春健,王天瑞,孙辰,陈伏州,朱爱星,臧兆彬,
申请(专利权)人:江苏北斗农机科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。