[发明专利]深度学习林地提取树种识别算法模型

说明书

本发明涉及遥感图像处理技术领域，尤其涉及一种深度学习林地提取树种识别算法模型，包括如下步骤，S1，数据获取；S2，遥感影像指数构建；S3，深度学习数据集制作；S4，模型算法构建及优化；S5，遥感影像预测。本发明处理高分辨率无人机遥感影像，得到高分辨率林地提取、树种分类数据集；结合高分辨率无人机遥感影像以及深度学习方法实现高精度、高效率的林地提取；结合高分辨率无人机遥感影像以及深度学习方法实现树种类型的分类；对现有深度学习模型进行优化，使其对多尺度的特征学习能力更强，从而使其适用于林地的提取以及树种分类。

技术领域

本发明涉及遥感图像处理技术领域，尤其涉及一种深度学习林地提取树种识别算法模型。

背景技术

林地作为我国重要的自然资源与战略资源，在保护生态环境、维持生态平衡、缓解全球气候变化和“双碳”目标实现等方面发挥着重要的生态系统服务功能。因此严格掌握林地分布、了解林地现状是保护森林资源发展和保障国土生态安全的基本要求。借助遥感信息技术提取、监测、预测林地信息已成为一种重要手段。

目前许多林业监测仍然停留在依靠人力野外调查的方式，这种传统的方式不仅耗费成本，并且无法保证数据的实时性与真实性，不利于森林地物信息的更新和环境政策的制定。林地作为一种复杂的生态系统，其地物类型较为丰富，加上本身的茂密程度不同以及传统方法的局限性，要实现精确的林地提取与精细化的树种分类还存在一定的困难。因此，提出一种高效准确的针对林地信息提取与分类的方法具有重要意义。

随着遥感技术的迅速发展，遥感影像分辨率不断提高，相较于传统遥感影像，高分辨率遥感影像具有几何结构清晰、纹理特征丰富和光谱信息精细等强大优势，能够探测区分出不同树种的细微光谱差异。进而也需要一种能够提取更精细更深层特征信息的方法以满足高分辨率遥感影像地物信息提取的需求。近年来，随着计算机硬件技术的不断发展使计算机视觉领域发生一系列变革，各种深层、复杂的图像处理算法如雨后春笋般层出不穷。其中，基于深度学习的语义分割算法被广泛应用在林地遥感信息提取工作中，成为高分辨率遥感图像地理信息获取最核心的现代化手段之一，给高分辨率遥感影像地物提取提供了新的思路。图像语义分割是在像素级别上依据场景图像所包含的语义信息对每个像素做分类标注处理，将其分割为若干个语义含义相同的图像区域，并对不同图像区域使用不同的标记的过程。计算资源和数据资源的结合，为林地的自动分类和信息提取提供了前所未有的契机。目前深度学习在图像识别领域已经取得显著的成功，进一步证明深度学习是一种有效的分类工具因此，本发明构建了基于深度学习的林地提取及树种类别识别算法模型，利用高分辨率无人机遥感数据实现林地高精度高效率提取与树种类别的分类，为我国森林资源调查和森林生态系统维护提供技术支撑。

目前，将深度学习应用于高分辨率遥感影像解译，尤其是复杂林地提取和树种高精度分类相关的研究成果还存在空白，关于高分辨率遥感影像语义分割算法研究中普遍存在计算复杂度高、地物边缘分割不连续、小目标分割精度不高、占用内存大，难以在硬件存储和计算力有限的嵌入式平台部署等缺陷。虽然一些改进的Deeplabv3结构能够加大网络感受，解决部分此类问题，但对于边缘特征被破坏的目标识别仍然不精准，对特征被破坏的边缘目标分割精度仍有待提高。

正是基于上述原因，本发明提供了一种深度学习林地提取树种识别算法模型。

发明内容

本发明的目的在于克服现有技术的不足，提供一种深度学习林地提取树种识别算法模型，能够减小主轴热伸长，提高加工精度和五轴RTCP精度，并且环境温度较高时，主轴表面不会有冷凝水。

为了实现本发明的目的,本发明采用的技术方案为，包括如下步骤，

S1，数据获取；

S2，遥感影像指数构建；

S3，深度学习数据集制作；

S4，模型算法构建及优化；

S5，遥感影像预测。