[发明专利]一种禽畜养殖舍棚的自动识别方法、装置及存储介质

权利要求书

1.一种禽畜养殖舍棚的自动识别方法，其特征在于，步骤包括：

获得遥感影像后，利用卷积神经网络模型从所述遥感影像中分割出至少一个舍棚建筑物对象；

在某一所述舍棚建筑物对象的外围相邻区域建立缓冲分析区；

利用水体光谱模型算法识别出所述缓冲分析区内的水体；

利用水质光谱模型计算出所述水体的水体粪便污染物浓度；若所述水体粪便污染物浓度超过预设值，则判定所述舍棚建筑物对象为禽畜养殖舍棚。

2.如权利要求1所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述利用水质光谱模型计算出所述水体的水体粪便污染物浓度，具体计算方式如下：

其中，DEN_DOC为水体粪便污染物浓度，e为自然常数，B_green、B_red分别为遥感影像的绿波段像元值和红波段像元值。

3.如权利要求1所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述利用水体光谱模型算法识别出所述缓冲分析区内的水体，优选处理方式如下：

利用水体光谱模型算法计算所述缓冲分析区的水体指数；

根据所述水体指数以及与所述水体指数相应的阈值，对所述缓冲分析区的像元进行二值化处理；

根据二值化处理结果和所述缓冲分析区的总像元数，计算所述缓冲分析区的水体比例；

根据所述水体比例判断所述缓冲分析区内是否存在水体。

4.如权利要求3所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述利用水体光谱模型算法计算所述缓冲分析区的水体指数，具体的计算方式如下：

NDWI＝(B_green-B_nir)/(B_green+B_nir)

其中，NDWI为归一化水体指数，B_green、B_nir分别表示遥感影像的绿波段和近红外波段。

5.如权利要求1所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述利用卷积神经网络模型从所述遥感影像中分割出至少一个舍棚建筑物对象，包括以下处理步骤：

先将输入的遥感影像处理成多个像元矩阵；

利用卷积神经网络模型的卷积层对像元矩阵卷积处理，并利用卷积神经网络模型的全连接层将其连接成神经元矩阵，再通过过滤器过滤出模型处理结果。

6.如权利要求5所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述卷积层执行的处理步骤包括：

卷积处理，使用若干预设尺寸的矩阵作为卷积核对所述像元矩阵或来自上一层的输入矩阵进行卷积，得到特征向量；

利用ReLU函数对卷积处理所得的特征向量进行运算，得到非线性增强矩阵；

池化处理，利用预设的池化单元对ReLU函数计算所得的非线性增强矩阵进行重叠池化，得出池化矩阵；

归一化处理，使用局部响应归一化函数对池化处理所得的池化矩阵进行局部响应归一化，输出影像矩阵。

7.如权利要求6所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述ReLU函数为分段线性函数，当所述ReLU函数输出结果小于等于0则输出为0，大于0的则恒等输出。

8.如权利要求5所述的禽畜养殖舍棚的自动识别方法，其特征在于，所述全连接层执行的处理步骤包括：

对来自卷积层的输入矩阵进行卷积处理，得到神经元矩阵；

利用Dropout函数使所述神经元矩阵中部分神经元赋值为零。

9.一种禽畜养殖舍棚的自动识别装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的禽畜养殖舍棚的自动识别方法。

10.一种禽畜养殖舍棚的自动识别方法的存储介质，其特征在于，所述禽畜养殖舍棚的自动识别方法的存储介质用于存储一个或多个计算机程序，所述一个或多个计算机程序包括程序代码，当所述计算机程序在计算机上运行时，所述程序代码用于执行上述权利要求1至8任一项所述的禽畜养殖舍棚的自动识别方法。