[实用新型]一种基于无人机的地物高光谱仪遥感土地利用样本采集仪

说明书

本实用新型涉及一种基于无人机的地物高光谱仪遥感土地利用样本采集仪，包括无人机、高光谱相机、可见光摄像头、微控制器、RTK定位模块、无线网络连接、地面控制站点。本实用新型所描述的基于高光谱遥感的无人机图像分割装备，可提高遥感领域样本采集的效率，充分利用高光谱遥感所获取的充足信息及深度学习强泛化能力，进行土地利用的遥感图片样本可靠的获取。利用无人机系统便携及灵活的作业方式，以较少的成本减少遥感图片人工判读需要投入的人力及物力，大幅提高样本采集的效率，减少人工判读误差。大量样本的获取将为土地利用的图像分割提供充足的样本数据，促进与提高深度学习在遥感土地利用图像分割领域中的应用。

技术领域

本实用新型属于遥感及深度学习交叉的样本采集仪领域，涉及一种基于无人机利用地物高光谱相机采集样本的仪器。无人机系统平台装载微控制器的自动分割深度学习模块，利用高分地物分类精度高的特点，实现了高质量的样本自动采集，可大幅提高土地利用图像分割的样本采集的效率，节省采集经费，而大量采集的高质量样本有助于提高遥感的土地利用分割算法的训练精度及效果，推动人工智能在遥感土地利用图像分割方面的应用。

背景技术

虽然深度学习技术在诸多领域尤其是普通影像及视频的分割取得了重要进展，但在遥感方面的应用比较有限，许多先进的图像分割算法是基于三原色(红、蓝、绿)加深度的普通视频的分类及分割算法；而遥感图像因为不同于普通图片及视频，一般是由多波段(≥3)影像构成，其波谱特征不同于一般的三原色图像，不适用于许多先进的深度学习的图像分类/分割算法，这极大地限制了深度学习技术在遥感特别是土地利用分割领域的应用。而导致这些不足的一个重要的原因就是用于训练图像分割的样本数比较有限，不同地域之间差别也较大，有限的样本无法训练出通用的机器学习模型，极大地限制了训练模型精度的提高。现有的遥感图像基于训练样本获取一般是采取人工判读，虽然人工判读比较可靠，但主要缺点是效率不高，样本获取有限。

人工判断基于真彩色图像，安排专业人员目视解译，并采用将解译结果输入计算机得到标注样本，人工判读的主要缺点是耗时耗力，投入经费多，严重限制了标注样本的获取。而高光谱信息可以提供丰富的波普信息，在样本充足情况下提高了分割的精度及效率。当前虽然有采用半监督的样本采集方法的相关专利(叶齐祥2017)，但国内外尚未有利用高光谱相机结合微处理器计算功能提高样本采集效率的相关仪器及其相关的专利报道，因此本实用新型在这方面是一个突破，充分结合了高光谱相机采集丰富光谱信息(Luozm 2018,Sabale et al.2018)，定位设备与光学摄像头，利用了微处理器加Intel计算棒的强计算功能，将所有的部件组装在无人机飞行平台上，实现了采集图像的自动分割功能，从而实现了采集仪器的自动样本采集。采用训练好的模型提供自动化功能的装置曾经用于称重机(于国龙等，2016)。现有的图像分割的样本采集方法有以下三个主要缺点：人工解译样本，效率低下，且可能会有认为误差；设备传统，缺乏自动计算识别样本的功能，导致了在遥感领域标注样本的缺乏；采用传统的机器模型辅助半解译，精度有限。

实用新型内容

针对背景技术中存在样本限制的问题，提供一种基于无人机平台的采用高光谱地物采集仪的自动样本采集仪，在无人机平台的微控制器端嵌入自动分割的模块，完成地物的自动分割，从而实现了土地利用遥感图像分割样本的自动采集。由于高光谱遥感提供了丰富的空间及地物波普信息，采用高级的深度学习模型可极大提高分类精度(总分类精度≥0.99)，其分类结果接近甚至超过人工判读结果，自动分类结果可以作为一般的(如普通光学遥感)高质量的训练样本，实现高可靠样本采集的自动化，提高样本的质量及数量，可促进人工智能技术在遥感土地利用领域图像分割领域中应用。

本实用新型通过以下技术步骤实现上述目标：

一种基于无人机的地物高光谱仪遥感土地利用样本采集仪，包括：无人机飞行平台、地面控制站点电脑终端与数据库；