【技术实现步骤摘要】
本专利技术涉及稀土矿开采区识别，尤其涉及一种融合热红外的稀土矿开采区识别方法、系统和介质。
技术介绍
1、稀土元素在工业和科技领域中广泛应用，使得稀土矿的开采成为了重要的经济活动。目前传统的监测方法主要依赖于人工巡查，但这种方法存在一些局限性。一是人工巡查需要大量的人力资源和时间投入，成本较高。二是矿区范围广阔，人工巡查往往难以实现全面覆盖，可能导致遗漏或延误发现问题的时机。三是人工巡查受到人为主观因素的影响，可能存在误判和信息不准确的问题。现有技术中，稀土矿开采区识别方法识别准确度低、效率低、成本高。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、本专利技术实施例提供了一种融合热红外的稀土矿开采区识别方法、系统和介质，有效地提高了识别准确度和效率，降低了成本。
3、一方面，本专利技术实施例提供了一种融合热红外的稀土矿开采区识别方法，包括以下步骤：
4、获取待识别图像；
5、将所述待识别图像输入开采区识别模型，得到稀土矿开采区识别结果；
6、其中，所述开采区识别模型通过以下步骤得到：
7、获取热红外图像、可见光图像；
8、对所述热红外图像进行第一图像处理，得到热红外正射影像；
9、对所述可见光图像进行预处理，得到可见光正射影像、坡度数据和坡向数据；
10、根据所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据
11、将所述待处理多源异构影像数据集输入预设深度学习模型进行训练，得到开采区识别模型。
12、在一些实施例中，所述对所述可见光图像进行预处理，得到可见光正射影像、坡度数据和坡向数据，包括：
13、对所述可见光图像进行第二图像处理，得到所述可见光正射影像和数字高程模型；
14、对所述数字高程模型进行分析处理，得到所述坡度数据和所述坡向数据。
15、在一些实施例中，所述根据所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据，合成待处理多源异构影像数据集，包括：
16、对所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据进行地理配准处理；
17、根据预设顺序，将地理配准处理后的所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据进行组合，得到所述待处理多源异构影像数据集。
18、在一些实施例中，所述将所述待处理多源异构影像数据集输入预设深度学习模型进行训练，得到开采区识别模型，包括：
19、对所述待处理多源异构影像数据集进行标签处理，得到目标多源异构影像数据集；
20、将所述目标多源异构影像数据集输入所述预设深度学习模型进行训练，得到所述开采区识别模型。
21、在一些实施例中，所述对所述待处理多源异构影像数据集进行标签处理，得到目标多源异构影像数据集，包括：
22、利用第一预设工具创建沉淀池类型和输运管类型；
23、根据所述沉淀池类型和所述输运管类型，对所述待处理多源异构影像数据集进行标绘，得到沉淀池样本和输运管样本，所述沉淀池样本和所述输运管样本均大于预设样本数量；
24、根据预设标签旋转角度，将所述沉淀池样本和所述输运管样本导出得到所述目标多源异构影像数据集。
25、在一些实施例中，所述将所述目标多源异构影像数据集输入所述预设深度学习模型进行训练，得到所述开采区识别模型，包括：
26、利用第二预设工具对所述预设深度学习模型设置模型参数和骨干参数；
27、将所述目标多源异构影像数据集输入设置后的所述预设深度学习模型进行训练，得到所述开采区识别模型。
28、在一些实施例中，所述将所述待识别图像输入开采区识别模型，得到稀土矿开采区识别结果，包括：
29、将所述待识别图像输入所述开采区识别模型进行识别，得到沉淀池区域和输运管区域；
30、根据所述沉淀池区域和所述输运管区域，计算所述稀土矿开采区识别结果。
31、另一方面，本专利技术实施例提供了一种融合热红外的稀土矿开采区识别系统，包括：
32、第一模块，用于获取待识别图像；
33、第二模块，用于将所述待识别图像输入开采区识别模型，得到稀土矿开采区识别结果；
34、其中，所述开采区识别模型通过以下步骤得到：
35、获取热红外图像、可见光图像；
36、对所述热红外图像进行第一图像处理，得到热红外正射影像；
37、对所述可见光图像进行预处理，得到可见光正射影像、坡度数据和坡向数据；
38、根据所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据，合成待处理多源异构影像数据集；
39、将所述待处理多源异构影像数据集输入预设深度学习模型进行训练，得到开采区识别模型。
40、另一方面，本专利技术实施例提供了一种融合热红外的稀土矿开采区识别系统，包括：
41、至少一个存储器，用于存储程序；
42、至少一个处理器，用于加载所述程序以执行所述的一种融合热红外的稀土矿开采区识别方法。
43、另一方面，本专利技术实施例提供了一种存储介质，其中存储有计算机可执行的程序，所述计算机可执行的程序被处理器执行时用于实现所述的一种融合热红外的稀土矿开采区识别方法。
44、本专利技术所具有的有益效果如下：
45、本专利技术首先获取待识别图像，然后将待识别图像输入开采区识别模型，得到稀土矿开采区识别结果，其中，开采区识别模型通过以下步骤得到：首先获取热红外图像、可见光图像，对热红外图像进行第一图像处理，得到热红外正射影像，然后对可见光图像进行预处理，得到可见光正射影像、坡度数据和坡向数据，再合成待处理多源异构影像数据集，最后将待处理多源异构影像数据集输入预设深度学习模型进行训练，得到开采区识别模型。通过训练好的开采区识别模型对融合热红外的待识别图像实现开采区的识别，提高了识别准确度和效率，降低了成本。
46、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种融合热红外的稀土矿开采区识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述对所述可见光图像进行预处理，得到可见光正射影像、坡度数据和坡向数据，包括：
3.根据权利要求1所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述根据所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据，合成待处理多源异构影像数据集，包括：
4.根据权利要求1所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述将所述待处理多源异构影像数据集输入预设深度学习模型进行训练，得到开采区识别模型，包括：
5.根据权利要求4所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述对所述待处理多源异构影像数据集进行标签处理，得到目标多源异构影像数据集，包括：
6.根据权利要求4所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述将所述目标多源异构影像数据集输入所述预设深度学习模型进行训练，得到所述开采区识别模型，包括：
7.根据权利要
8.一种融合热红外的稀土矿开采区识别系统，其特征在于，包括：
9.一种融合热红外的稀土矿开采区识别系统，其特征在于，包括：
10.一种存储介质，其特征在于，其中存储有计算机可执行的程序，所述计算机可执行的程序被处理器执行时用于实现如权利要求1-7任一项所述的一种融合热红外的稀土矿开采区识别方法。
...【技术特征摘要】
1.一种融合热红外的稀土矿开采区识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述对所述可见光图像进行预处理，得到可见光正射影像、坡度数据和坡向数据，包括：
3.根据权利要求1所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述根据所述热红外正射影像、所述可见光正射影像、所述坡度数据和所述坡向数据，合成待处理多源异构影像数据集，包括：
4.根据权利要求1所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述将所述待处理多源异构影像数据集输入预设深度学习模型进行训练，得到开采区识别模型，包括：
5.根据权利要求4所述的一种融合热红外的稀土矿开采区识别方法，其特征在于，所述对所述待处理多源异构影像数...
【专利技术属性】
技术研发人员：袁少雄，王耿明，宫清华，陈捷，陈军，王钧，刘博文，黎昊，郝银磊，
申请(专利权)人：广东省科学院广州地理研究所，
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。