【技术实现步骤摘要】
本专利技术涉及水土识别，更具体的说是涉及一种用于黄土高原地区淤地坝蓄水状态的识别方法。
技术介绍
1、淤地坝是黄土高原地区重要的水土保持工程措施，在拦截泥沙、淤地造田、改善生态等方面作用显著。淤地坝主要功能为拦截泥沙，淤地坝蓄水会占用有效库容，导致洪水来临时蓄洪滞洪能力不足，甚至引发洪水漫顶溃坝。考虑到黄土高原地区降水较少，淤地坝蓄水可有效缓解当地居民生活用水和农业灌溉用水等水资源需求的压力。但是，淤地坝蓄水会增加其拦截泥沙和蓄洪滞洪的负担，亟需研发时效性更强的淤地坝监测和风险预警方法。
2、近年来，随着遥感大数据的获取和应用快速发展，基于遥感影像的淤地坝蓄水状态监测成为可能。但是，传统的遥感影像解译方法过度依赖人工、耗时费力，无法对淤地坝蓄水状态进行长时间、大范围、高频次监测和分析。目前，淤地坝蓄水状态缺乏高效的监测和分析方法，这不利于全面准确地评价淤地坝的运行状态和溃决风险。
3、因此，如何提供新的一种用于黄土高原地区淤地坝蓄水状态的识别方法是本领域技术人员亟需解决的问题。
技术实现思路
1、基于以上对新型淤地坝蓄水状态识别方法需求，本专利技术提供了一种用于黄土高原地区淤地坝蓄水状态的识别方法。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种用于黄土高原地区淤地坝蓄水状态的识别方法，包括以下步骤：
4、s100：获取高空间分辨率光学遥感影像并进行处理，制作淤地坝目标识别数据集；
5、s200：
6、s300：将待测的高空间分辨率光学遥感影像进行处理后输入至淤地坝蓄水状态深度学习目标识别模型，经过淤地坝蓄水状态深度学习目标识别模型识别后，输出识别结果，所述识别结果包括淤地坝可视化图像与淤地坝数据。
7、可选的，s100：获取高空间分辨率光学遥感影像，制作淤地坝目标识别数据集，包括：
8、采集淤地坝集中的黄土高原地区的高空间分辨率光学遥感影像、并采用pascalvoc格式作为遥感影像淤地坝目标识别数据集的格式标准进行格式转换和批量裁剪；
9、将含有蓄水淤地坝和非蓄水淤地坝的图像分别挑选出来并进行标注，生成两个单类别数据集作为淤地坝目标识别数据集。
10、可选的，通过嵌入式平台opencv对高空间分辨率光学遥感影像的格式转换和批量裁剪，包括：
11、通过基于python的opencv模块，读取.tif格式的高空间分辨率光学遥感影像并转换为.jpg格式；
12、将转换后的.jpg高空间分辨率光学遥感影像通过使用滑动窗口法进行批量分割，分割后的高空间分辨率光学遥图像大小统一设置为416×416像素；
13、其中，所述滑动窗口法的步长为1；
14、使用advanced renamer软件对分割后的大量小尺寸高空间分辨率光学遥图像进行统一重命名。
15、可选的，还包括对生成的两个单类别数据集使用数据增强处理进行数据扩充后作为淤地坝目标识别数据集。
16、可选的，所述数据增强处理包括：几何变换、颜色改变、旋转、噪声注入、混合图像、缩放、翻转、裁剪以及马赛克拼接。
17、可选的，其图像尺寸、数据样本量、类别数量、是否使用数据增强进行样本扩充等参数，根据高空间分辨率光学遥感影像的空间分辨率、样本数量、淤地坝在样本中的比例等影响因素进行确定。
18、可选的，将含有蓄水淤地坝和非蓄水淤地坝的图像分别挑选出来后，通过基于python的labellmg模块进行标注，其中，标注大小和类别根据淤地坝的大小和目标识别数据集的种类进行设置。
19、可选的，所述s200包括：构建yolov3模型框架，基于淤地坝目标识别数据集，通过深度学习完成超大尺寸遥感影像识别、图片格式转换、遥感影像空间信息的采集和映射、多识别流程串联，得到淤地坝蓄水状态深度学习目标识别模型。
20、可选的，所述s200包括：基于迁移学习，采用模型预训练、冻结训练和断点恢复对淤地坝蓄水状态深度学习目标识别模型进行训练。
21、可选的，训练过程中调整的训练参数为：训练周期、批大小以及学习率。
22、可选的，所述s200包括：对训练效果进行测试，测试中的评价指标包括：精确率、召回率、平均精确率、f1分数和均值平均精确率。
23、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种用于黄土高原地区淤地坝蓄水状态的识别方法，该方法基于深度学习方法对遥感影像中淤地坝信息进行提取与分析，利用卷积神经网络提取高分辨率光学遥感卫星影像样本特征并进行学习，可以对空间分布范围广的淤地坝目标进行快速识别，提高利用遥感进行淤地坝目标识别和蓄水状态分析的工作效率，解决淤地坝长期存在缺乏有效监管方法的问题，克服了传统遥感影像解译方法对人为主观经验的依赖，实现遥感影像信息的高效提取，满足对大范围、高精度、高频次的淤地坝蓄水状态监测的需求，可适用于淤地坝、土石坝等水利工程，对淤地坝日常运行管护具有重要现实意义。
本文档来自技高网...【技术保护点】
1.一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，S100：获取高空间分辨率光学遥感影像，制作淤地坝目标识别数据集，包括：
3.根据权利要求2所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，通过嵌入式平台OpenCV对高空间分辨率光学遥感影像进行格式转换和批量裁剪，包括：
4.根据权利要求2所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，还包括对生成的两个单类别数据集使用数据增强处理进行数据扩充后作为淤地坝目标识别数据集。
5.根据权利要求3所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，所述数据增强处理包括：几何变换、颜色改变、旋转、噪声注入、混合图像、缩放、翻转、裁剪以及马赛克拼接。
6.根据权利要求2所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，将含有蓄水淤地坝和非蓄水淤地坝的图像分别挑选出来后，通过基于Python的labellmg模块进行
7.根据权利要求1所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，所述S200包括：构建YOLOv3模型框架，基于淤地坝目标识别数据集，通过深度学习完成超大尺寸遥感影像识别、图片格式转换、遥感影像空间信息的采集和映射、多识别流程串联，得到淤地坝蓄水状态深度学习目标识别模型。
8.根据权利要求1所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，所述S200包括：基于迁移学习，采用模型预训练、冻结训练和断点恢复对淤地坝蓄水状态深度学习目标识别模型进行训练。
9.根据权利要求8所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，训练过程中调整的训练参数为：训练周期、批大小以及学习率。
10.根据权利要求1所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，所述S200包括：对训练效果进行测试，测试中的评价指标包括：精确率、召回率、平均精确率、F1分数和均值平均精确率。
...【技术特征摘要】
1.一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，s100：获取高空间分辨率光学遥感影像，制作淤地坝目标识别数据集，包括：
3.根据权利要求2所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，通过嵌入式平台opencv对高空间分辨率光学遥感影像进行格式转换和批量裁剪，包括：
4.根据权利要求2所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，还包括对生成的两个单类别数据集使用数据增强处理进行数据扩充后作为淤地坝目标识别数据集。
5.根据权利要求3所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，所述数据增强处理包括：几何变换、颜色改变、旋转、噪声注入、混合图像、缩放、翻转、裁剪以及马赛克拼接。
6.根据权利要求2所述的一种用于黄土高原地区淤地坝蓄水状态的识别方法，其特征在于，将含有蓄水淤地坝和非蓄水淤地坝的图像分别挑...
【专利技术属性】
技术研发人员：张乃畅，于沭，曹永翔，夏朝辉，岳凡，王建钦，吴冠宇，尹鹏海，王雪双，郝建伟，李颖哲，舒帅，
申请(专利权)人：中国电建集团西北勘测设计研究院有限公司，
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。