【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于遥感影像和神经网络的流动性沙丘识别方法、装置及电子设备。
技术介绍
1、我国西北地区气候干燥，沙漠广布，是主要的沙尘源区，沙尘活动频发，在春夏季强风条件下容易发生强沙尘暴。对社会生命财产，交通运输，大气环境构成严重威胁，并造成巨大的经济损失，给干旱及半干旱地区的生态环境、人类健康带来了严重威胁。沙尘数值预报模式是目前主要的沙尘模拟手段，但模式往往忽略沙丘的地形作用，使得预报误差较大。通过在模式中引入沙丘次网格地形参数可以减小预报误差，而识别沙丘是实现沙丘次网格地形参数的前提。通过对沙丘进行识别，可以尝试构建地形参数，然后引入到沙尘数值预报模式中，可以提高预报准确性，减小预报误差。同时，对沙丘开展识别，可以很好的监测沙丘移动，对防治沙丘扩张具有意义。
2、传统的沙丘监测方法主要是依靠人工野外监测，通过在特定区域建立样地，并连续观测，来监测沙丘运动，或者依靠无人机等航拍器，获取固定区域的沙丘图像，然后依靠人工目视解译来监测识别沙丘。
3、沙漠地区环境恶劣，野外监测这种方法耗时耗力，并且只能识别监测一定区域内的沙丘，无法检测沙漠深处等无人区，因此不能做到大面积的沙丘监测；利用航拍图监测沙丘，只能依靠人为目视解译，对人的专业性和先验知识要求较高。
4、利用卫星遥感进行检测，通过卫星遥感影像，结合地理信息软件，能够识别、监测大型沙丘的部分特征,存在图像分辨率不足的问题，同时在对遥感影像数据进行处理时，容易将部分小型沙丘误判为噪声，从而进行平滑处理，而无法对中小型沙
技术实现思路
1、有鉴于此，本专利技术实施例提供一种基于遥感影像和神经网络的流动性沙丘识别方法、装置及电子设备，至少部分解决现有技术中存在的问题。
2、第一方面，本专利技术实施例提供了一种基于遥感影像和神经网络的流动性沙丘识别方法，包括：
3、对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集；
4、基于神经网络和pytorch，构建沙丘识别模型；
5、利用制作的训练数据和构建的模型进行数据训练，得到捕获沙丘特征的模型文件；
6、通过指标判断模型是否捕捉到了特征，进而判断模型文件是否可用；
7、当模型文件可用之后，利用训练好的模型文件沙丘识别。
8、根据本公开实施例的一种具体实现方式，所述对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集，包括：
9、对遥感影像进行分割，通过对影像进行数据筛选，剔除无沙丘影像；
10、使用标注软件对筛选好的遥感图像标注出沙丘的位置和边界，并为每个沙丘样本赋予相应的标签。
11、根据本公开实施例的一种具体实现方式，所述对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集，还包括：
12、将处理好的数据划分为训练集、验证集和测试集，选用一定数量的沙丘影像用于训练模型，一定数量的沙丘影像用于验证模型性能，一定数量的沙丘影像用于测试模型性能。
13、根据本公开实施例的一种具体实现方式，所述基于神经网络和pytorch，构建沙丘识别模型，包括：
14、在模型主干部分引入一种混合卷积gsconv和使用一次性聚合方法设计的跨级部分网络模块vov-gscsp。
15、根据本公开实施例的一种具体实现方式，所述基于神经网络和pytorch，构建沙丘识别模型，还包括：
16、引入一次性聚合方法设计的跨级部分网络gscsp模块vov-gscsp代替原模型中的跨级部分网络。
17、根据本公开实施例的一种具体实现方式，所述利用制作的训练数据和构建的模型进行数据训练，得到捕获沙丘特征的模型文件，包括：
18、训练图像尺寸设置为512×512，批训练大小设置为16，优化器选择sgd，初始学习率设为0.01，动量因子0.937。
19、根据本公开实施例的一种具体实现方式，所述通过指标判断模型是否捕捉到了特征，进而判断模型文件是否可用，包括：
20、选用准确率、召回率、平均精度均值来评价模型对于沙丘的识别精度。
21、根据本公开实施例的一种具体实现方式，所述当模型文件可用之后，利用训练好的模型文件沙丘识别，包括：
22、输入待识别影像，利用自适应锚框技术计算得到初始锚框大小；
23、通过主干网络对输入的沙丘图像进行不同尺度的特征提取；
24、对提取到的不同尺度的特征进行调整后输入到特征融合网络，对提取的不同特征层和检测层中不同尺度的沙丘特征进行融合，生成更丰富的信息特征；
25、输入到输出网络中，通过预测模块对特征融合模块所产生的三种不同尺度的特征图进行目标定位，生成相应的预测框，并通过非极大值抑制对预测框进行处理，最终得到流动性沙丘目标所在的位置结果。
26、第二方面，本专利技术实施例提供了一种基于遥感影像和神经网络的流动性沙丘识别装置，包括：
27、处理模块，用于对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集；
28、构建模块，用于基于神经网络和pytorch，构建沙丘识别模型；
29、训练模块，利用制作的训练数据和构建的模型进行数据训练，得到捕获沙丘特征的模型文件；
30、判断模块，通过指标判断模型是否捕捉到了特征，进而判断模型文件是否可用；
31、识别模块，当模型文件可用之后，利用训练好的模型文件沙丘识别。
32、第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：
33、至少一个处理器；以及，
34、与该至少一个处理器通信连接的存储器；其中，
35、该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的基于遥感影像和神经网络的流动性沙丘识别方法。
36、第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于遥感影像和神经网络的流动性沙丘识别方法。
37、第五方面，本专利技术实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的基于遥感影像和神经网络的流动性沙丘识别方法。
38、本专利技术实施例中的基于遥感影像和神经网络的流动性沙丘识别方案，包括：对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集；基于神经网络和pytorch，构建沙丘识别模型；利用制作本文档来自技高网...
【技术保护点】
1.一种基于遥感影像和神经网络的流动性沙丘识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集，还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于神经网络和PyTorch，构建沙丘识别模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于神经网络和PyTorch，构建沙丘识别模型，还包括：
6.根据权利要求5所述的方法，其特征在于，所述利用制作的训练数据和构建的模型进行数据训练，得到捕获沙丘特征的模型文件，包括：
7.根据权利要求6所述的方法，其特征在于，所述通过指标判断模型是否捕捉到了特征，进而判断模型文件是否可用，包括：
8.根据权利要求7所述的方法，其特征在于，所述当模型文件可用之后，利用训练好的模型文件沙丘识别，包括：
9.一种基
10.一种电子设备，其特征在于，所述电子设备包括：
...【技术特征摘要】
1.一种基于遥感影像和神经网络的流动性沙丘识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述对获取到的流动性沙丘所对应的待识别区域的遥感影像进行预处理，并制作训练数据集，还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于神经网络和pytorch，构建沙丘识别模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于神经网络和pytorc...
【专利技术属性】
技术研发人员：李火青，王明玉，王敏仲，买买提艾力·买买提依明，刘永强，刘宗会，张海亮，
申请(专利权)人：中国气象局乌鲁木齐沙漠气象研究所，
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。