基于多任务学习的自然田型检测方法技术

本发明专利技术公开了基于多任务学习的自然田型检测方法，包括以下步骤：步骤S1，利用耕地图斑的边界信息生成田垄折线图斑；步骤S2，获取具有田垄边界的训练遥感样本；步骤S3，构造一个语义分割模型，步骤S4，构造一个拓扑网络模型，利用分割出的田垄识别折点信息；步骤S5，输入收集到不同地域的影像，利用多任务组合的语义分割模型和拓扑网络模型分割出耕地和田垄折线图斑，将田垄折线图斑嵌入耕地，得到最终共线后的耕地检测图斑结果。通过本发明专利技术中的方法，通过利用语义分割的能力将影像分为耕地、田垄和背景，不需要时序影像；通过进一步处理田垄的特征图，获取耕地之间的缝隙，利用拓扑网络学习田垄之间的连接关系，细分出自然田型。

【技术实现步骤摘要】

本专利技术属于耕地地块信息提取及遥感影像处理，具体为基于多任务学习的自然田型检测方法。

技术介绍

1、当前，耕地检测不仅需要识别出耕地，还要具有精细的边界，这在农业领域具有重要应用价值。精准的耕地边界更有利于智慧农业的建设，例如：土地利用规划和管理、土地资源检测和评估以及精准农业和自动化农业。现有耕地识别方案主要分为以下几类：

2、1. 基于时序特征的耕地分割方案

3、在公布号cn114973012a中，提出一种基于中低分辨率遥感数据的耕地识别方法，该方法利用evi多时间序列数据；通过遥感领域的计算方案构建地物样本库，并利用混合像元线性光谱分解模型分割耕地，从而提高耕地识别的准确性；在公布号cn111666914a中，提出一种基于曲线间距离的耕地识别方法，该方法先获取耕地作物的参考植被指数ndvi时间序列曲线和当前区域下的ndvi时间序列曲线；对两条曲线进行调整及距离加权处理，得到目标曲线距离；再将目标曲线对应的像元划分为耕地像元。

4、2. 基于语义分割的耕地分割方案

5、在公布号cn115861837a中本文档来自技高网...

【技术保护点】

1.基于多任务学习的自然田型检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多任务学习的自然田型检测方法，其特征在于：步骤S1中，利用耕地图斑的边界信息生成田垄折线图斑具体为：

3.根据权利要求1所述的基于多任务学习的自然田型检测方法，其特征在于：步骤S2中，获取具有田垄边界的训练遥感样本具体为：将步骤S1中生成的生成田垄折线图斑按相同尺寸裁剪制作为训练遥感样本。

4.根据权利要求1所述的基于多任务学习的自然田型检测方法，其特征在于：步骤S3中，构造语义分割模型具体为：

5.根据权利要求1所述的基于多任务学习的自然田型检测...

【技术特征摘要】

1.基于多任务学习的自然田型检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多任务学习的自然田型检测方法，其特征在于：步骤s1中，利用耕地图斑的边界信息生成田垄折线图斑具体为：

3.根据权利要求1所述的基于多任务学习的自然田型检测方法，其特征在于：步骤s2中，获取具有田垄边界的训练遥感样本具体为：将步骤s1中生成的生成田垄折线图斑按相同尺寸裁剪制作为训练遥感样本。

4.根据权利要求1所述的基于多任务学习的自然田型检测方法，其特征在于：步骤s3中，构造语义...

【专利技术属性】
技术研发人员：杨博，刘涛，黄少华，杨坤，张焰，
申请(专利权)人：环天智慧科技股份有限公司，
类型：发明
国别省市：