[发明专利]基于遥感影像的深海养殖浮筏检测方法、系统及储存介质

说明书

本发明公开了一种基于遥感影像的深海养殖浮筏检测方法、系统及储存介质，涉及深海养殖浮筏智能检测技术领域，首先获取深海养殖浮筏区域的遥感影像，构建深海养殖浮筏影像数据库；对所述遥感影像进行影像预处理，得到深海养殖浮筏影像数据集；通过替换主干网络、优化内部模块、调整模型权重分配，得到改进Deeplabv3+模型；依据深海养殖浮筏影像数据集对改进Deeplabv3+模型进行训练，得到浮筏检测模型；将待检测遥感影像输入浮筏检测模型中，得到深海养殖浮筏检测结果。本发明解决了现有深海养殖浮筏检测过程费时费力、工作量大的问题，能够针对不同类型海水背景，对遥感影像进行浮筏实时检测，识别精度高、适用范围广。

技术领域

本发明涉及深海养殖浮筏智能检测技术领域，更具体的说是涉及一种基于遥感影像的深海养殖浮筏检测方法、系统及储存介质。

背景技术

深海养殖浮筏作为海水养殖的重要组成部分之一，其对海洋经济、船行安全、海洋环境等方面有着重要影响。随着全球海洋经济的快速发展，深海浮筏养殖面积和产量急剧增长，创造巨大的经济效益同时，也带来了许多负面影响，例如：非法占用海洋区域甚至侵占海洋保护区、核心区和缓冲区，养殖废水过度排放造成海水富营养化以及增加海上交通危险系数等现象。针对海洋浮筏普查管理、违规查处工作也随着这些非法现象产生变得尤为重要。近年来，深度卷积神经网络(DCNN)技术快速发展，其具有强大的学习能力和高效的特征表达能力，可以为深海养殖浮筏智能检测提供有效手段。

相比浅海区域，深海区域养殖浮筏具有面积范围广、密集程度高的特点。传统的深海浮筏监测需要进行现场查勘，除了人力物力成本高、依赖气象条件外，监测时间周期长、远海监测困难、漏测概率大。而利用遥感技术虽可以满足深海养殖浮筏大面积的监测需求，但如人工目视解译、面向对象法等仍具有费时费力、自动化程度低、适用性有限等缺点。

随着深度学习技术的快速发展，一些研究人员开始采用深度学习技术进行海洋养殖浮筏智能检测的探索。但现研究区域多为近海岸，养殖浮筏与背景对比度高；而针对背景复杂、对比度低的远海区域养殖浮筏研究仍处于初步阶段。2018年，Deeplab v3+语义分割模型被提出，Deeplab v3+模型将编-解码结构引入模型中，为识别目标的边缘分割结果优化提供帮助。然而就目前的技术来说，Deeplab v3+模型难以满足对深海养殖浮筏检测精准识别。

因此，针对深海养殖浮筏遥感影像对比度低的情况，如何对深海养殖浮筏进行准确、实时检测，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于遥感影像的深海养殖浮筏检测方法、系统及储存介质。

为了实现上述目的，本发明提供如下技术方案：

一方面，本发明提供了一种基于遥感影像的深海养殖浮筏检测方法，包括以下步骤：

步骤1、获取深海养殖浮筏区域的遥感影像，构建深海养殖浮筏影像数据库；

步骤2、对所述深海养殖浮筏影像数据库中的遥感影像进行影像预处理，得到深海养殖浮筏影像数据集；

步骤3、通过替换主干网络、优化内部模块、调整模型权重分配，以优化Deeplab v3+模型，得到改进Deeplab v3+模型；

步骤4、依据深海养殖浮筏影像数据集对改进Deeplab v3+模型进行训练，得到浮筏检测模型；

步骤5、将待检测遥感影像输入所述浮筏检测模型中，得到深海养殖浮筏检测结果，实现深海养殖浮筏实时检测。

可选的，所述步骤1中，深海养殖浮筏影像数据库中包括不同地区、不同海水深度、不同浮筏类别的深海养殖浮筏区域遥感影像。

可选的，所述步骤2中，对遥感影像进行影像预处理的方法包括：

剪裁：使用Crop函数对遥感影像进行等尺寸裁剪，