[发明专利]基于遥感数据深度学习的近海污染物识别与跟踪方法

摘要

本发明针对现有近海环境监管技术存在的“发现不全面”、“缺乏对遥感数据的内容挖掘”的问题，基于多年来在卫星应用领域的研发和产业应用基础，提出了一个全面、系统、深入的基于遥感数据深度学习的近海污染物目标识别与跟踪的解决方案，该方案应用卫星遥感图像的深度学习模型、海量遥感数据分布式存储与并行处理技术和基于GPU加速的深度卷积网络并行模型，满足相关行业“全面、准确、快速”监控海洋污染物的应用需求。

主权项

1.一种基于遥感数据深度学习的近海污染物识别与跟踪方法，其特征在于：所述方法包括：首先，采用海量遥感影像数据分布式处理技术对多源遥感影像资源统一数据集成、分布式处理，包括数据标准化处理、噪音数据过滤、归一化、数据一致性检查，形成污染物目标数据库；然后，通过卷积神经网络CNN建立卫星遥感图像的深度学习模型，利用空间关系减少需要学习的参数数目以提高一般前向BP算法的训练性能；利用权值共享降低网络的复杂性；最后，由于深度卷积神经网络模型的卷积层计算量大，全连接层参数多，将一个完整深度卷积网络的计算拆分到多个GPU上进行合理调度来并行地执行，通过模型并行和数据并行这两个数据/计算组织层次上来加速训练，快速针对特定污染物目标的识别、检测、跟踪和行为分析；具体为：采用网络存储系统存储海量遥感数据，通过虚拟化技术全面整合存储容量，按需分配且能够灵活调整大小；前端通过影像流协议直写网络存储系统；影像通过离散算法均衡切片，以集群响应方式提供数据并发计算服务；底层采用网络RAID技术，多层次保护用户数据安全。