[发明专利]一种基于深度学习的电网污秽排除点溯源方法及装置

权利要求书

1.一种基于深度学习的电网污秽排除点溯源方法，其特征在于，所述方法包括：

通过GEE获取待监测地区的高分辨率遥感影像，得到第一遥感影像；

根据所述第一遥感影像的电网输电线信息和现有污秽排除点，自动生成待监测地区输电线标签；

通过语义分割网络模型，将所述第一遥感影像和所述待监测地区输电线标签，按照增强训练原则，构建训练集和测试集，通过迭代训练得到带权重语义分割模型；

根据所述带权重语义分割模型，对现有需观测城市影像语义分割，得到分类结果；

根据所述分类结果，通过霍夫变换算法，得到电网区域污秽排除点。

2.根据权利要求1所述的一种基于深度学习的电网污秽排除点溯源方法，其特征在于，通过GEE获取待监测地区的高分辨率遥感影像，得到第一遥感影像，具体为：根据最小边界框原则，确认所述第一遥感影像的边界坐标，通过GEE内置的filterDate函数，得到所述第一遥感影像。

3.根据权利要求1所述的一种基于深度学习的电网污秽排除点溯源方法，其特征在于，所述待监测地区输电线标签自动生成的原则按照：所述电网输电线信息所在像素赋值为1，所述现有污秽排除点所在像素赋值为2，其他像素赋值为0。

4.根据权利要求1所述的一种基于深度学习的电网污秽排除点溯源方法，其特征在于，所述第一遥感影像的空间分辨率小于30米。

5.根据权利要求1所述的一种基于深度学习的电网污秽排除点溯源方法，其特征在于，所述增强训练原则采用随机旋转的方式。

6.根据权利要求1所述的一种基于深度学习的电网污秽排除点溯源方法，其特征在于，所述带权重语义分割网络模型选用全卷积网络。

7.根据权利要求1所述的一种基于深度学习的电网污秽排除点溯源方法，其特征在于，所述迭代训练包括：

计算所述训练集的概率分布，得到最大似然估计；

根据所述最大似然估计，通过优化算法，得到带权重语义分割模型。

8.一种基于深度学习的电网污秽排除点溯源装置，其特征在于，所述装置包括：

获取单元：所述获取单元被配置为通过GEE获取待监测地区的高分辨率遥感影像，得到第一遥感影像；

生成单元：所述生成单元被配置为执行将所述第一遥感影像的电网输电信息和现有污秽排除点，自动生成待监测地区输电线标签；

模型单元：所述模型单元被配置为执行将所述第一遥感影像和所述待监测地区输电线标签，按照增强训练原则，构建训练集和测试集，通过迭代训练得到带权重语义分割模型；

分割单元：所述分割单元被配置为执行对现有需观测城市影像语义分割，得到分类结果；

变换单元：所述变换单元被配置为执行将所述分类结果，通过霍夫变换算法，得到电网区域污秽排除点。