[发明专利]智慧林业中智能识别林地违章搭建无人机、方法和系统

说明书

一种智慧林业中智能识别林地违章搭建方法，采用搭载相机的无人机对林地进行巡检，获取疑似林地违章搭建的图像；将所述疑似林地违章搭建的图像输入经过训练的林地违章搭建判断模型，由该模型对林地是否存在违章搭建做出判断。林地违章搭建判断模型基于Faster R‑CNN深度学习网络模型。对用于模型训练的样本进行扩增，具体的方法包括对所述林地违章搭建判断模型进行坐标平移、随机角度旋转和/或水平翻转、图像模糊和/或随机裁剪、色彩抖动。将经过标注的样本，通过DCGAN网络生成的新图像作为训练样本。

技术领域

本发明属于城市管理技术领域，特别涉及一种智慧林业中智能识别林地违章搭建无人机、方法和系统。

背景技术

现有的建筑监测方法，主要是利用遥感图像数据，由人工对遥感图像进行解释。对存在的违章搭建问题，主要由群众监督举报，再由主管执法部门到现场确认，其过程中存在问题有：1)取证困难；2)成本高，巡查速度慢、效率低；3)发现、过程处理及事后监管难，易反复；4)由人工判读解释，存在建筑物遗漏问题；5)遥感图像成本较高，分辨率较低。尤其，当违章搭建如果位于林地之中，由于林地环境的掩护，要从遥感图像中识别出违章搭建就更加困难了。

发明内容

本发明实施例之一，一种基于无人机图像的深度学习技术实时识别林地内违章搭建方法，包括步骤：

采用搭载相机的无人机对林地进行巡检，获取疑似林地违章搭建的图像；将林地违章搭建图像样本进行标注后，同时利用DCGAN网络模型扩增林地违章搭建图像，并将扩增的林地违章搭建图像加入林地违章搭建样本集。利用该样本集对识别林地违章搭建模型进行训练，利用训练好的模型，判断林地中是否存在违章搭建。所述林地违章搭建判断模型基于Faster R-CNN深度学习网络模型。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1根据本发明实施例之一的林地内违章搭建识别方法流程图。

具体实施方式

随着深度学习技术引入图像处理和模式识别领域，用于解决图像分类、目标识别、自然语言处理、语音识别等问题，使其具有较高的可行性。而且，当无人机航测航拍科技、深度学习和计算机视觉技术进行融合，为建筑的快速准确识别提供了新的检测和监控技术手段，提高了城市建筑的识别效率，降低了管理成本，提升了城市建筑管理水平，为构建智慧城市提供了理论和技术支持。

无人机航拍图像具有分辨率高、回访周期短等特点，借助无人机手段对城市范围内的林地进行动态监测，可及时、有效地发现林地中涉嫌违法的建设活动。但是，目前关于使用深度学习技术对遥感图像中面向复杂违章建筑这类目标进行检测的研究较少。由于违章建筑种类繁多、形态复杂，对于模型和样本的要求会更高。

本发明针对传统的城市建筑物检测方法缺陷，创新性提出城市林地管理中应用无人机视觉数据深度学习识别技术的新方法，利用最前沿的深度学习算法实时分析无人机拍摄的视频流，自动识别目标区域违章搭建物或城市中的特定目标。基于深度学习方法，通过无人机采集城市建筑图像，经过筛选和标注构造数据集，在深度框架下构建神经网络对建筑图像数据进行训练，得到高鲁棒性的检测模型，从而实现对目标建筑物的实时检测。为城市林地管理提供一种全新的技术手段。

根据一个或者多个实施例，如图1所示。一种林地违章搭建识别方法，基于无人机采集的所有林地内违章搭建图像数据，标注所有林地内违章搭建图像数据，建立林地内违章搭建样本集。基于Faster R-CNN深度学习网络模型建立林地违章搭建判断模型，提取林地内违章搭建图像数据库特征，训练林地内违章搭建判断模型网络，通过该判断模型对林地违章搭建图像进行识别判断。林地违章搭建判断模型实现框架包括：

1)基于无人机平台建立面向“城市林地管理”的深度学习图像样本数据库。