[发明专利]一种基于遥感图像识别的饲料厂标注系统

说明书

本发明涉及饲料厂标注技术领域，具体为一种基于遥感图像识别的饲料厂标注系统，使用基于图像拼接的深度学习模型训练和识别方法，通过对遥感卫星影像的自动分析，可以实现在地图上对已存在的饲料厂进行精准的坐标定位，然后结合网络爬虫等技术完善饲料厂的其他信息，同时可以根据饲料厂的卫星图去估算其产能的大小，最终把结果呈现在网页版的地理信息系统里，运行速度方面，使用并行处理技术对程序进行优化，识别速度可达40帧每秒，是原始模型识别速度的三倍；识别效果方面，使用多标签的方式对模型进行修改，模型除了可以识别出具有筒仓特征的饲料厂，只有平仓的饲料厂也可以识别。

技术领域

本发明涉及饲料厂标注技术领域，具体为一种基于遥感图像识别的饲料厂标注系统。

背景技术

为了实现对客户信息的精准把握，实现价值共生，使用最前沿的AI图像识别技术，网络爬虫技术，GIS地理信息系统技术，为客户提供更好的服务，通过对遥感卫星影像的分析，我们可以实现在地图上对已存在的饲料厂进行坐标定位，然后通过网络爬虫等工具，我们可以进一步完善饲料厂的其他信息，最终把结果呈现在我们的客户系统之中，因此需要一种基于遥感图像识别的饲料厂标注系统。

发明内容

本发明的目的在于提供一种基于遥感图像识别的饲料厂标注系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于遥感图像识别的饲料厂标注系统，包括以下遥感图像识别饲料厂的步骤：

S1，使用基于图像拼接的深度学习模型训练和识别方法：由于遥感图像瓦片的数量庞大，单张瓦片识别的话效率较低，所以设计了一种基于图像拼接技术的深度学习模型训练和识别方法；

S2，根据饲料厂的特征，在给训练样本打标签的时候，重点对筒仓和生产车间进行标注；

S3，使用油桶标签数据的迁移学习方法，来解决样本量不足的问题；

S4，根据瓦片ID推算地理经纬度的方法；

S5，使用闭环增强学习去不断提升神经网络的识别精度；

S6，设计了一种饲料厂仓储能力的估算方法；

S7，设计了一套饲料厂信息匹配的方法。

作为本发明优选的方案，所述使用基于图像拼接的深度学习模型训练和识别方法：把每4张256*256像素大小的瓦片拼接在一起，生成一张512*512大小的图片，然后用拼接后的图片进行模型的训练和识别(具体方法参照S3),这样可以加快模型训练和识别的速度。经过测试，在不改变识别精度的情况下，速度是原有模型的三倍左右。

作为本发明优选的方案，所述根据饲料厂的特征，在给训练样本打标签的时候，重点对筒仓和生产车间进行标注：

通过对饲料厂卫星影像的观察，发现大部分饲料厂都具有圆筒仓这一特征，所以重点对圆筒仓打标签让模型学习，但是也存在着没有圆筒仓的饲料厂(只有平仓)，为了防止漏检这类饲料厂，对生产车间这一特征也打标签进行学习。

作为本发明优选的方案，所述使用油桶标签数据的迁移学习方法，来解决样本量不足的问题：

在模型训练的时候，使用已公开的YOLO_v3神经网络框架对已公开的油桶数据集进行学习，然后保存下DarkNet网络部分的权重参数，并冻结这些参数，再用打完标签的饲料厂数据集，去重新训练神经网络，最终得到整个模型的权重参数。

作为本发明优选的方案，所述根据瓦片ID推算地理经纬度的方法：

已知瓦片编号xtile，ytile和瓦片层级zoom这三个参数，可以根据这三个参数计算该瓦片对应的地理经纬度；

经度的具体算法如下：