一种基于遥感影像的塑料温室快速检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116012708A(43)申请公布日2023.04.25(21)申请号202310001835.8G06N3/0464(2023.01)(22)申请日2023.01.03(71)申请人兰州大学地址730000甘肃省兰州市城关区天水南路222号(72)发明人焦继宗肖彬刘晓阳裴修侗(74)专利代理机构南京同泽专利事务所(特殊普通合伙)32245专利代理师蔡晶晶(51)Int.Cl.G06V20/10(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06N3/048(2023.01)G06N3/08(2023.01)权利要求书2页说明书5页附图5页(54)发明名称一种基于遥感影像的塑料温室快速检测方法(57)摘要本发明公开了一种基于遥感影像的塑料温室快速检测方法，该方法能够对遥感影像的塑料温室进行智能检测，并且获取遥感影像上每个塑料温室的长宽、面积和位置信息。基于遥感影像使用深度学习方法对影像中的塑料温室进行提取和检测，并生成其空间分布的矢量文件，获得每个塑料温室的信息及总数量。该方法可以表明在遥感影像的塑料温室检测中，深度学习是一个高效方法，从而实现对研究区的塑料温室的监测和绘图。对农业结构的优化，推动现代农业发展，推进乡村振兴战略的实施有着重要意义。CN116012708ACN116012708A权利要求书1/2页1.一种基于遥感影像的塑料温室快速检测方法，其过程包括以下步骤：A、选择样本区域的影像进行滑动切割获得若干影像瓦片，对每个影像瓦片进行目视解译标注大棚，获得对应的标签文件，标签文件包含以下信息：塑料温室中心点坐标(x,y)、塑料温室的长边长h、塑料温室的短边长w、塑料温室短边与x轴的夹角angle；B、将影像瓦片和对应标签文件按比例划分训练集和验证集，并对训练集进行数据增强；C、将训练集投入基于深度学习的快速检测模型中进行训练，并使用验证集对快速检测模型进行评价，得到最优网络参数模型；本步骤中，选择YOLOX模型为快速检测模型，选用kld作为损失函数，实现旋转框检测；在网络主干中加入注意力机制，优化提取过程；并且在检测头上加入角度检测分支，以解耦候选框的弧度参数；其中，kld作为损失函数表达如下：其中，Np代表预测框，Nt代表样本框，(μp，Σp)为模型生成的预测框矩形坐标转换的二维高斯分布值，(μt，Σt)为塑料温室标签的五个参数(x，y，h，w，angle)转换的二维高斯分布值，Tr为求矩的迹；注意力分布函数公式如下：其中，ai为第i个特征值的注意力分布值，q为查询向量，hi为第i个原始输入向量,s(hi,q)为第i个原始输入向量hi和查询向量q之和的双曲正切函数值，exp为以自然常数e为底的指数函数，n为特征值的总数；在检测头上加入角度检测分支，方法如下：在YOLOX模型中建立的特征图经过1*1大小的卷积核变为20*20*128维度，通过两个3*3卷积核进行特征提取，并每次卷积均通过silu激活函数，最后通过3*3卷积核和sigmod激活函数将结果缩小至20*20*1维度，获得检测角度值；D、使用最优网络参数模型对研究区域的遥感影像进行检测，得到初步检测结果；E、对检测结果进行后处理，消除重复存在于多张切片上的塑料温室，得到研究区最终检测结果。2.如权利要求1所述的一种基于遥感影像的塑料温室快速检测方法，其特征在于，所述步骤A具体包括：A1、选择具有不同分布特点、建设类型的塑料温室所在区域作为样本区域；A2、将样本区域的影像以320为步长滑动切割成边长为640的影像瓦片；A3、通过目视解译的方法标注每个影像瓦片上的塑料温室，并提取塑料温室中心点坐标(x,y)、塑料温室的长边长h、塑料温室的短边长w、塑料温室短边与x轴的夹角angle。3.如权利要求1所述的一种基于遥感影像的塑料温室快速检测方法，其特征在于，所述步骤B具体包括：B1、将影像瓦片和对应标签文件划分为训练集和验证集；2CN116012708A权利要求书2/2页B2、对划分到训练集的影像瓦片和对应的标签文件使用Mosaic和Mixup算法进行数据增强；B3、对数据增强后的训练集，进行翻转、颜色增强和随机缩放操作。4.如权利要求1所述的一种基于遥感影像的塑料温室快速检测方法，其特征在于，所述步骤C具体包括：C1、构建快速检测模型；C2、将训练集投入快速检测模型，进行迭代训练并更新网络参数，共进行140代训练，其中前35代使用冻结训练，后35代关闭数据增强算法；C3、将kld损失和类别得分作为评价指标，通过验证集对模型进行评价，选择训练集和验证集上表现最好的快速检测模型作为最优网络参数模型进行保存。5.如权利要求1所述的一种基于遥感影像的塑料温室快速