[发明专利]基于深度学习技术的野外调查方法、系统

说明书

本发明提供一种基于深度学习技术的野外调查方法、系统，该方法包括：S101：获取深度学习平台基于样本集进行训练得到的深度学习模型以及举证照片；S102：通过深度学习模型获取举证照片的识别类型结果，根据举证照片的识别类型结果判断同一个目标图斑的举证照片是否具备特征一致性，若是，则执行S103，若否，则执行S104；S103：使用规则引擎，根据举证照片的识别类型结果，结合土地利用现状进行分析判断，以获取目标图斑的调查结果；S104：确定举证照片不具备特征一致性。本发明能够通过深度学习模型自动识别举证照片对应的地类，识别更准确，通过对不满足要求的异常照片的提醒避免工作反复，并且通过规则引擎获取调查结果，速度快且不容易出错。

技术领域

本发明涉及国土调查领域，尤其涉及一种基于深度学习技术的野外调查方法、系统。

背景技术

国土调查是摸清土地利用状况的基础性工作，为准确查清每块土地的利用性质，调查员需要开展野外调查，根据图斑实地的用地条件、种植情况等，结合土地利用现状、永久基本农田等数据按相应的调查规则判断地类并采集反映地类特征的现场照片作为佐证。

目前的国土调查的技术方案主要以人机结合方式对工作流程进行整合，具体的操作及规则分析判断仍以人工执行为主。然而，国土调查存在相当的专业性和复杂性，要求调查员对土地利用特征识别、照片拍摄方法及调查规则具备相应的经验和能力，现有技术方案存在以下三个不足：

(1)现有技术方案基于调查员的主观认知对土地利用特征(用地条件、种植情况等)进行识别，并且参与调查工作的人员众多，主观认知难于通过量化的方式统一标准。

(2)现有技术方案无法对采集照片的合理性及拍摄质量进行实时控制，对拍摄要求执行不到位、拍摄方法不合理等典型错误无法及时提醒，只能事后进行人工检查并补拍，导致工作反复。

(3)国土调查规则较为复杂，涉及对土地利用现状、永久基本农田等数据的占比、面积进行分析比较，逻辑互相约束。现有的技术方案依靠人工机械地对照规则执行，速度慢且容易出错。

发明内容

为了克服现有技术的不足，本发明提出一种基于深度学习技术的野外调查方法、系统，能够通过深度学习模型自动识别举证照片对应的地类，不依靠主观认知，识别更准确，在进行识别时，对不满足要求的异常照片进行提醒，避免工作反复，并且通过规则引擎获取调查结果，速度快且不容易出错。

为解决上述问题，本发明采用的一个技术方案为：一种基于深度学习技术的野外调查方法，所述方法包括：S101：获取深度学习平台基于样本集进行训练得到的深度学习模型以及移动调查设备提供的举证照片，所述样本集包含所有二级地类对应的照片；

S102：通过深度学习模型获取所述举证照片的识别类型结果，根据所述举证照片的类型和所述识别类型结果判断同一个目标图斑的举证照片是否具备特征一致性，若是，则执行S103，若否，则执行S104；

S103：通过规则引擎结合土地利用现状进行分析判断，以获取目标图斑的调查结果；

S104：确定所述举证照片不具备特征一致性。

进一步地，所述样本集中的每个二级地类对应至少一张照片，且不同所述二级地类对应的照片存储在不同点的文件夹中。

进一步地，所述获取深度学习平台基于样本集进行训练得到的深度学习模型以及移动调查设备提供的举证照片的步骤之后还包括：

获取所述举证照片的站位点坐标、方位角以及所述举证照片对应的目标图斑的坐标，根据所述站位点坐标、方位角以及所述目标图斑的坐标判断所述举证照片是否符合要求，若是，则执行S102，若否，则确定所述举证照片不符合要求。

进一步地，所述根据所述站位点坐标、方位角以及所述目标图斑的坐标判断所述举证照片是否符合要求的步骤具体包括：