[发明专利]一种基于遥感影像识别牛羊的方法和系统

权利要求书

1.一种基于遥感影像识别牛羊的方法，其特征在于，包括以下步骤：

S1 基于遥感影像集，通过深度学习目标识别算法得到最终识别模型；

S2 通过所述最终识别模型识别遥感影像中的牛个体，并统计牛的数量；

S3 结合阈值法识别遥感影像中的羊个体，并统计羊的数量；

S4 通过识别出的牛个体和羊个体判断牛和羊的体尺；

步骤S3具体方法为：将影像集代入所述最终识别模型，并根据所述最终识别模型获取羊的位置，采用标记框C 标记每只羊的位置，并计算所有所述标记框C 的面积的平均值，记作面积A1，根据所有所述标记框C 的最大横坐标、纵坐标和最小横坐标、纵坐标确定羊群的位置，并采用所述标记框D 进行标记；

将所述标记框D 对应的影像进行灰度化处理，并计算经过灰度化的影像中所有所述标记框C 中心的像素值的平均值，记作像素值T，对经过灰度化的影像进行二值化，即将像素值大于像素值T 的点设为白色，将像素值小于像素值T 的点设为黑色；

将经过二值化的图像进行去噪处理，使用轮廓寻找函数在经过所述去噪处理的图像中寻找每只羊的轮廓，采用标记框E 标记每个所述轮廓，并将所述标记框的面积记作面积A2，每个标记框E 代表的羊的真实数量N 为：

。

2.如权利要求1 所述的基于遥感影像识别牛羊的方法，其特征在于，所述步骤S1 中构建遥感影像集的过程为：将每张影像分成若干块，在任一块影像中将有牛或羊存在的位置采用标记框A 标出，并将所述位置对应的类别、坐标和宽高信息存储到标签文件中；建立包括所述遥感影像集和所述标签文件的数据集，并将所述数据集分为训练数据集和测试数据集。

3.如权利要求2 所述的基于遥感影像识别牛羊的方法，其特征在于，所述步骤S1 中通过深度学习目标识别算法训练识别模型包括：

S1.1 设定训练超参数；

S1.2 将所述训练数据集输入到YOLO V3 神经网络算法中进行训练，将所述测试

数据集数据代入到经训练得到的识别模型，若符合设定的精度要求，则认定所述识别模型为最终识别模型，否则，重复步骤S1.1-S1.2，直到获得最终识别模型。

4.如权利要求3 所述的基于遥感影像识别牛羊的方法，其特征在于，所述训练超参数包括时期次数、学习率和批处理大小。

5.如权利要求3 或4 所述的基于遥感影像识别牛羊的方法，其特征在于，将影像集代入所述最终识别模型，并根据所述最终识别模型获取牛的位置，采用标记框B 标记牛个体位置，并根据所述标记框B 的数量计算牛的数量；并根据所述标记框B 的斜边长确定牛的体长，通过实测体尺数据计算体高、胸围与体长的比例关系，根据所述比例关系获得牛体高和胸围的相对长度；然后将牛相对体尺与牛所在影像的地面分辨率相乘得到牛的绝对体尺。

6.如权利要求1 所述的基于遥感影像识别牛羊的方法，其特征在于，根据所述标记框E的数量计算羊的数量；并根据所述标记框E 的斜边长除标记框E 中羊的数量确定羊的体长，通过实测体尺数据计算体高、胸围与体长的比例关系，根据所述比例关系获得羊体高和胸围的相对长度；然后将羊相对体尺与羊所在影像的地面分辨率相乘得到羊的绝对体尺。

7.一种基于遥感影像识别牛羊的系统，其特征在于，包括：

识别模型生成模块，用于根据遥感影像集，通过深度学习目标识别算法得到最终识别模型；

牛识别模块，用于通过所述最终识别模型识别遥感影像中的牛个体，并统计牛的数量；

羊识别模块，用于结合阈值法识别遥感影像中的羊个体，并统计羊的数量；

牛/羊体尺计算模块，用于通过识别出的牛个体和羊个体判断牛和羊的体尺；

羊识别模块中具体识别方法为：将影像集代入所述最终识别模型，并根据所述最终识别模型获取羊的位置，采用标记框C 标记每只羊的位置，并计算所有所述标记框C 的面积的平均值，记作面积A1，根据所有所述标记框C 的最大横坐标、纵坐标和最小横坐标、纵坐标确定羊群的位置，并采用所述标记框D 进行标记；

将所述标记框D 对应的影像进行灰度化处理，并计算经过灰度化的影像中所有所述标记框C 中心的像素值的平均值，记作像素值T，对经过灰度化的影像进行二值化，即将像素值大于像素值T 的点设为白色，将像素值小于像素值T 的点设为黑色；

将经过二值化的图像进行去噪处理，使用轮廓寻找函数在经过所述去噪处理的图像中寻找每只羊的轮廓，采用标记框E 标记每个所述轮廓，并将所述标记框的面积记作面积A2，每个标记框E 代表的羊的真实数量N 为：

。