[发明专利]基于Docker的遥感智能处理算法的管理方法

说明书

本发明公开了一种基于Docker的遥感智能处理算法的管理方法。1）获取操作系统基本文件并编写Docker镜像脚本；2）执行Docker脚本文件，逐条安装各种依赖包括Python、TensorFlow和GDAL算法执行必须的软件，搭建Docker镜像私服并将执行环境基础镜像推送到镜像仓库等待进一步使用；3）准备算法执行所有文件并编写Docker镜像脚本文件；4）执行算法镜像的Docker脚本文件，选择执行环境基础镜像；5）编写算法容器部署清单；6）Docker容器编排读取算法容器部署清单；7）算法容器开始执行，最终执行结束给予预定的反馈结果。本发明使用Docker技术将遥感智能处理方法统一封装到镜像中，解决了算法执行的依赖问题，并通过容器编排引擎合理分配服务器资源，有效的提高了数据处理的效率。

技术领域

本发明属于遥感影像处理技术领域，具体涉及一种基于Docker的遥感智能处理算法的管理方法。

背景技术

地理信息卫星遥感数据在各行各业中的应用占比正在逐年增加。在国土测绘、农林业分布、灾情监测、水利检测和城市治理等重要决策中，遥感数据起着举足轻重的作用，极大地提高了工作效率。随着国土资源调查与开发利用工作的不断深化，农林业领域遥感监测需求逐渐提高，以及地震、地质灾害的频繁发生，遥感数据在国土资源测绘、资源调查、环境监测、粮食估产及灾害评估等领域都得到了非常广泛的应用。遥感数据也是对于科研机构的重要技术手段，具有无需接触探测目标即可实现对地物进行量测和解译的特点，这些现实需求促使遥感数据的获取逐渐向多源化、分布式的方向发展。

近年来，随着中国高分辨率对地观测系统的建设，高分系列卫星覆盖了从全色、多光谱、高光谱、雷达等多种类型的遥感影像，因其经济、稳定、分辨率高、实时性强等特点，逐渐成为遥感应用的主要数据来源之一。高分遥感影像虽然包含了更多的信息量，但是同时也引入了更多的干扰因素，如何通过优化深度学习网络模型算法，优化遥感数据智能处理方法的管理和部署，是当前亟需解决的问题。

发明内容

基于上述遥感数据智能处理算法的管理中存在的痛点，本发明提供了一种基于Docker的遥感智能处理算法的管理方法，利用Docker镜像打包方法封装整个遥感数据智能处理算法环境，通过Docker容器编排工具优化算法部署流程、提供算法执行效率和稳定性。

一种基于Docker的遥感智能处理算法的管理方法，包括如下步骤：

1）获取操作系统基本文件并编写Docker镜像脚本，脚本文件中包含指令来配置算法执行环境配置；

2）执行Docker脚本文件，逐条安装各种依赖包括Python、TensorFlow和GDAL算法执行必须的软件，搭建Docker镜像私服并将执行环境基础镜像推送到镜像仓库等待进一步使用；

3）准备算法执行所有文件并编写Docker镜像脚本文件，脚本文件包含基础执行环境镜像的选择和算法执行的配置；

4）执行算法镜像的Docker脚本文件，选择执行环境基础镜像，逐条执行脚本文件安装算法执行文件到镜像中并添加镜像执行配置，得到可执行的算法执行镜像并推送到镜像仓库；

5）编写算法容器部署清单，清单文件包括CPU、内存和显卡硬件配置要求，容器网络配置，容器磁盘挂载方式，还有容器健康检查策略和执行异常处理的基础配置；

6）Docker容器编排读取算法容器部署清单，根据服务器剩余资源选择最佳的服务器，分配清单要求的硬件配置，并添加相应的系统级配置；

7）算法容器开始在服务器执行，最终执行结束给予预定的反馈结果。

步骤1）所述处理过程如下：

2.1） 获取操作系统基本文件，作为Docker镜像的基础；

2.2） 编写Docker镜像脚本文件，逐条添加执行指令，指定算法执行需要的依赖环境和软件库。

步骤2）所述先执行步骤1）的脚本文件，根据脚本文件中的各条指令安装相应的环境依赖，生成准备就绪的执行环境镜像，并推送到Docker仓库中以供调用。