[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

说明书

本发明公开了一种禽畜养殖舍棚的自动识别方法，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。本发明提供了一种禽畜养殖舍棚的自动识别方法、装置及存储介质，能够准确地从遥感影像中识别出禽畜养殖舍棚。

技术领域

本发明涉及卫星遥感图像识别技术领域，尤其是涉及一种禽畜养殖舍棚的自动识别方法、装置及存储介质。

背景技术

在根据全国污染源普查，从化学需氧量、总氮排放量、总磷排放量3项主要污染物指标来看,农业污染物排放占总量的比重分别为43.7％、57.2％、67.4％，其中畜禽养殖业又分别占农业源的96％、38％和56％。畜禽养殖业的发展一定程度上增加了环境承载压力，如何化解畜禽养殖业的发展与保护生态环境之间的矛盾，成为了畜禽业健康发展的重要环节。

为此，我国近年来出台了多项相关工作通知，要求各级有关部门加强对辖区内畜禽养殖污染防治实施统一监督管理，尤其对畜禽养殖业的“未批先建”、“未验先投”、偷排、漏排、超标排放或擅自拆除、闲置防治污染设施等违法行为加强监管和查处。但由于畜禽养殖棚舍的隐蔽性和离散性对管理部门的发现和监管带来了一定的难度，因此，需要通过计算机自动识别技术提高发现畜禽养殖棚舍的效率，节约监管部门在发现环节的成本。

近年来，随着深度学习技术的发展，卷积神经网络(CNN)及其若干改进形式(AlexNet)在几乎所有图像分割公开数据集上都取得了最为领先的成绩，深度学习技术应用于不同种类的遥感影像都获得了成功。

然而，遥感影像中禽畜养殖舍棚的外观特征与普通大棚建筑物没有明显区别，通过卷积网络及其若干改进形式的方法虽然能够从遥感影像上有效识别出普通大棚建筑物，但单凭全卷积网络或其若干改进形式的方法无法将禽畜养殖舍棚从大棚建筑中区分出来。为了帮助畜禽养殖监管行业工作人员尽快发现潜在管理对象，需要更为有效的办法从遥感影像中发现禽畜养殖舍棚。

发明内容

针对上述技术问题，本发明提供了一种禽畜养殖舍棚的自动识别方法、装置及存储介质，能够准确地从遥感影像中识别出禽畜养殖舍棚。所述技术方案如下：

第一方面，本发明实施例提供了一种禽畜养殖舍棚的自动识别方法，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。

在本发明第一方面的第一种可能的实现方式中，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。

在本发明第一方面的第二种可能的实现方式中，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；