[发明专利]一种基于深度学习的自然资源要素变化检测方法

权利要求书

1.一种基于深度学习的自然资源要素变化检测方法，其特征在于，包括：

获取两幅同一区域不同时间内的待检测图像；

训练自然资源要素识别分割模型；

根据所述自然资源要素识别分割模型对所述待检测图像中的自然资源要素分别进行自然资源要素识别与分割，得到自然资源要素分割图；

对所述自然资源要素分割图进行自然资源要素合并处理，得到自然资源要素合并图；

对所述自然资源要素合并图中的自然资源要素进行要素重复检测与重复要素剔除，得到自然资源要素变化图；

其中，所述自然资源要素分割图中包括多个自然资源要素区域；

所述自然资源要素合并图包括：自然资源要素分割图上图层和自然资源要素分割图下图层；

还包括：

将所述待检测图像按照预设划分规则划分为多个待检测区域；

获取两幅所述待检测图像中同一待检测区域内自然资源要素的实际变化数据，所述实际变化数据包括：两幅所述待检测图像的拍摄时间、自然资源要素的种类变化情况、通过将两幅待检测图像中拍摄时间较长的一幅作为标准图，以所述标准图中的任意一个待检测区域作为标准待检测区域，根据预设第二划分规则将标准待检测区域划分为中心待检测区域、东待检测区域、西待检测区域、南待检测区域和北待检测区域，将两幅待检测图像中的拍摄时间较短的一幅作为比较图，以比较图中的与所述标准待检测区域相对应的待检测区域作为比较待检测区域，将所述中心待检测区域、所述东待检测区域、所述西待检测区域、所述南待检测区域和所述北待检测区域与所述比较待检测区域进行重合比较，得到中心待检测区域范围差、东待检测区域范围差、西待检测区域范围差、南待检测区域范围差和北待检测区域范围差；

基于所述实际变化数据计算自然资源要素的种类不变的情况下不同拍摄间隔时间中任一待检测区域内不同自然资源要素的实际变化值，计算公式如下：

其中，f_t,δ,ε为自然资源要素的种类不变的情况下拍摄间隔时间t中第δ个待检测区域内的第ε种自然资源要素的实际变化值，S_z,δ为第δ个待检测区域的中心待检测区域范围差，S_d,δ为第δ个待检测区域的东待检测区域范围差，S_n,δ为第δ个待检测区域的南待检测区域范围差，S_x,δ为第δ个待检测区域的西待检测区域范围差，S_b,δ为第δ个待检测区域的北待检测区域范围差，μ_z,ε、μ_d,ε、μ_n,ε、μ_x,ε和μ_b,ε分别为预设的第ε种自然资源要素对应的不同的范围误差系数；

若所述自然资源要素的种类不变的情况下不同拍摄间隔时间中任一待检测区域内不同自然资源要素的实际变化值大于预设的对应拍摄间隔时间中对应自然资源要素的理想变化值时，对所述不同拍摄间隔时间中任一待检测区域内不同自然资源要素的实际变化值大于预设的对应拍摄间隔时间中对应自然资源要素的理想变化值中对应的任一待检测区域进行人为介入标记；

若所述自然资源要素的种类不变的情况下不同拍摄间隔时间中任一待检测区域内不同自然资源要素的实际变化值小于等于预设的对应拍摄间隔时间中对应自然资源要素的理想变化值时，对所述不同拍摄间隔时间中任一待检测区域内不同自然资源要素的实际变化值大于预设的对应拍摄间隔时间中对应自然资源要素的理想变化值中对应的任一待检测区域进行自然变化标记。

2.根据权利要求1所述的一种基于深度学习的自然资源要素变化检测方法，其特征在于，所述自然资源要素包括农业资源要素、水资源要素、森林资源要素、矿产资源要素。