[发明专利]一种基于遥感影像识别牛羊的方法和系统

说明书

本发明属于影像识别技术领域，涉及一种基于遥感影像识别牛羊的方法和系统，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训练识别模型；S2通过训练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。其针对分布过于密集的羊群，利用YOLO V3算法识别结果确定羊群范围，同时结合阈值法对该区域羊个体进行进一步分辨识别并统计总数；通过识别结果计算影像中不同牛羊的体长，利用已有实测数据获取体长与体高、胸围等其它体尺的比例关系，反演影像中牛羊的其它体尺。

技术领域

本发明是关于一种基于遥感影像识别牛羊的方法和系统，属于影像识别技术领域。

背景技术

在野外生态调查中，评估畜牧业的发展状况是一项常规的任务，其中牛羊的数量和体尺是常用到的评估参数。随着牧民牛羊养殖数量不断增加，需要一种快速统计牛羊数量和体尺的方法。现有技术中较为常规的方法是利用无人机拍摄一定范围内的遥感影像，然后对遥感影像中存在的牛羊数量基于目视解译进行统计。但统计过程仍然采用目视解译的人力和时间成本很高，而且不能较准确获得牛、羊的体尺。

在大数据时代背景下，以深度学习技术为代表的人工智能算法在图像分类、图像目标识别等任务上表现突出。将深度学习图像目标识别算法用于野外动物数量调查，是人工智能与生态学结合的新思路。目前，将人工智能算法用于遥感图像中的生物识别已经有了一定的发展。例如，Rey N等(Detecting animals in African Savanna with UAVs andthe crowds，Rey N,et al.，Remote sensing of environment，2017，200，341-351)提出了一种基于深度学习技术的半自动系统能够在半干旱地区检测大型哺乳动物；NorouzzadehM S等(Automatically identifying,counting,and describing wild animals incamera-trap images with deep learning，Norouzzadeh M S,et al.，Proceedings ofthe National Academy of Sciences，Vol 25，115，E5716-E5725)使用大量的相机陷阱图像训练深度学习模型，然后用该模型自动获取动物的种类、数量、长幼和行为；Benjamin K等(Detecting mammals in UAV images:Best practices to address a substantiallyimbalanced dataset with deep learning，Benjamin K,et al.，Remote Sensing ofEnvironment，2018,216:139-153)在使用深度学习识别野外哺乳动物时，研究了样本量增加、不同样本加权处理等方法解决无人机影像中物种数量不平衡的问题，取得较好效果。但是，现有的深度学习识别野生动物的方法在处理个体体积较小且种群密集度高的生物，例如羊群的时候，很难将每一只羊都分辨出来，从而导致最终计算的羊群中羊的数量小于实际数量，也无法对羊的体尺参数进行测算。

发明内容

针对上述现有技术的不足，本发明的目的是提供了一种基于遥感影像识别牛羊的方法和系统，其利用深度学习目标识别算法和阈值法相结合的方法，自动识别草原牛羊及反演其数量和体尺，解决了常规方法难以自动识别遥感影像中牛羊个体和数量的难题。

为实现上述目的，本发明提供了一种基于遥感影像识别牛羊的方法，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识别模型；S2通过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。

进一步，步骤S1，还包括基于遥感影像集，构建训练数据集：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；建立包括遥感影像集和标签文件的数据集，并将数据集分为训练数据集和测试数据集。