[发明专利]遥感图像识别模型、方法及系统、服务器及介质

权利要求书

1.一种遥感图像识别模型，其特征在于，所述遥感图像识别模型采用UNet网络结构进行分割预测，并采用多个深度残差网络ResNet101作为其编码器，使用多个反卷积组作为解码器对每个像素进行类别预测，且将编码器中较浅堆叠层的特征与解码器中深度堆叠层的特征进行连接操作。

2.根据权利要求1所述遥感图像识别模型，其特征在于，所述编码器和解码器的数量结构一致。

3.根据权利要求2所述遥感图像识别模型，其特征在于，所述编码器有多个下采样阶段，所述解码器上分别对应有数量与编码器一致的上采样阶段。

4.根据权利要求1所述遥感图像识别模型，其特征在于，所述遥感图像识别模型使用Focal Loss损失函数进行约束。

5.根据权利要求4所述遥感图像识别模型，其特征在于，对所述Focal Loss损失函数，加大困难样本的惩罚力度，减小简单样本的惩罚力度。

6.一种遥感图像识别方法，其特征在于，包括如下步骤：

获取待预测的农业遥感图像，对待预测的图像进行预处理操作；

构建遥感图像识别模型，并利用训练图像对所述遥感图像识别模型进行训练和测试；

将预处理后的待预测图像输入到训练后的遥感图像识别模型中，分别得到图像的所有像素在不同类别的概率，选取概率最大的类别作为在对应像素上的分类结果。

7.根据权利要求6所述遥感图像识别方法，其特征在于，所述对待预测的图像进行预处理操作，包括：

将图像进行裁剪操作得到子图像，使子图像满足于当下计算资源，并对裁剪操作之后的子图像进行重采样。

8.一种遥感图像识别系统，其特征在于，包括如下功能模块：

图像处理模块，用于获取待预测的农业遥感图像，对待预测的图像进行预处理操作；

模型建立模块，用于构建遥感图像识别模型，并利用训练图像对所述遥感图像识别模型进行训练和测试；

分类识别模块，用于将预处理后的待预测图像输入到训练后的遥感图像识别模型中，分别得到图像的所有像素在不同类别的概率，选取概率最大的类别作为在对应像素上的分类结果。

9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求6至7任一项所述遥感图像识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求6至7任一项所述遥感图像识别方法的步骤。