本發(fā)明涉及地物識別領(lǐng)域，尤其涉及一種礦山生態(tài)修復(fù)區(qū)地物識別方法、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在礦區(qū)生態(tài)修復(fù)過程中，土地利用類型不斷發(fā)生變化，因此，精準(zhǔn)監(jiān)測并識別露天礦區(qū)各地物類型和變化情況對于礦區(qū)的生態(tài)修復(fù)評估具有重要意義。mfpa-net是一種用于煤礦區(qū)無人機(jī)圖像地裂縫識別的網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)利用擴(kuò)張殘差網(wǎng)絡(luò)（drn）提取多樣化的上下文信息，引入雙注意力機(jī)制（dam）整合像素空間位置和特征通道的依賴性來生成高級特征，利用aspp從高級特征中挖掘多尺度上下文信息，并設(shè)計多尺度特征金字塔網(wǎng)絡(luò)（mfpn）將高級和低級特征結(jié)合起來。王奕林等人使用改進(jìn)的deeplabv3+網(wǎng)絡(luò)模型用于礦區(qū)綠地中草地、道路以及水域的識別，該網(wǎng)絡(luò)在deeplabv3+基礎(chǔ)上將骨干網(wǎng)絡(luò)改成mobilenetv2網(wǎng)絡(luò)結(jié)構(gòu)，從而縮小骨干網(wǎng)絡(luò)規(guī)模，提高訓(xùn)練速度。

2、這兩種模型中，mfpa-net對礦區(qū)地裂縫識別精度較高，但該網(wǎng)絡(luò)只針對地裂縫類別進(jìn)行改進(jìn)，其網(wǎng)絡(luò)結(jié)構(gòu)更適用于礦區(qū)地裂縫識別，但是對其他地物類別的識別有效性還有待考量，此外，該網(wǎng)絡(luò)在不同尺寸圖片上識別用時均在7秒左右，識別速度還有提升空間。而改進(jìn)后的deeplabv3+網(wǎng)絡(luò)受數(shù)據(jù)集質(zhì)量的影響，識別效果較差。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：為了解決現(xiàn)有的礦山生態(tài)修復(fù)區(qū)地物識別網(wǎng)絡(luò)存在的識別數(shù)量、識別速度以及識別精度難以兼得的問題，本發(fā)明提供了一種礦山生態(tài)修復(fù)區(qū)地物識別方法、設(shè)備及存儲介質(zhì)。方法主要包括以下步驟：

2、s1、獲取礦山生態(tài)修復(fù)區(qū)圖像集及其標(biāo)簽數(shù)據(jù)；

3、s2、劃分?jǐn)?shù)據(jù)集；

4、s3、建立輕量級、融入注意力機(jī)制的地物識別模型；

5、s4、使用數(shù)據(jù)集訓(xùn)練地物識別模型，訓(xùn)練結(jié)束得到礦山生態(tài)修復(fù)區(qū)地物識別模型；

6、s5、將待識別礦山生態(tài)修復(fù)區(qū)圖像輸入礦山生態(tài)修復(fù)區(qū)地物識別模型，得到地物識別結(jié)果。

7、進(jìn)一步地，礦山生態(tài)修復(fù)區(qū)圖像集由取景于礦山生態(tài)修復(fù)區(qū)的三通道rgb圖像組成，圖像大小一致，其標(biāo)簽數(shù)據(jù)為真實的地物識別結(jié)果。

8、進(jìn)一步地，礦山生態(tài)修復(fù)區(qū)地物識別模型由一個編碼器模塊和一個解碼器模塊組成：

9、編碼器模塊用于提取礦山生態(tài)修復(fù)區(qū)圖像的特征提取，輸出深層圖像和淺層圖像；

10、解碼器模塊用于將深、淺層圖像融合，輸出地物識別結(jié)果。

11、進(jìn)一步地，編碼器模塊由eca-sfsmob模型、rfb模塊以及concat模塊組成，

12、eca-sfsmob模型處理礦山生態(tài)修復(fù)區(qū)圖像，輸出一個淺層圖像和一個最深層特征圖像，rfb模塊處理最深層特征圖像，得到多感受野特征圖，concat模塊中將多感受野特征圖與最深層特征圖進(jìn)行拼接，得到深層圖像。

13、進(jìn)一步地，eca-sfsmob模型的骨干網(wǎng)絡(luò)由用于調(diào)整通道數(shù)的標(biāo)準(zhǔn)卷積層和用于提取圖像的空間和通道特征的sfsbneck層組成；

14、sfsbneck層根據(jù)步長的不同分為兩種類型：

15、當(dāng)步長為1時，sfsbneck層依次包含一個用于提高通道數(shù)的1*1的擴(kuò)張卷積，一個用于空間信息提取的深度卷積、一個用于通道信息融合1*1的逐點卷積以及一個用于將sfsbneck層的輸入與輸出圖片相加的拼接塊；

16、步長為2的sfsbneck層較之步長為1的sfsbneck層多一個最大池化分支以及一個用于將sfsbneck層的輸出與最大池化處理后的輸入進(jìn)行堆疊的進(jìn)行堆疊的的拼接塊；

17、sfsbneck層還分為是否含有eca注意力模塊兩種類型，包含eca注意力模塊時，eca注意力模塊設(shè)置在深度卷積與逐點卷積中間，用于通道維度上進(jìn)行注意力計算。

18、進(jìn)一步地，解碼器模塊依次包括分別為上采樣層和標(biāo)準(zhǔn)卷積層的雙分支結(jié)構(gòu)、拼接層、標(biāo)準(zhǔn)卷積層和上采樣層；

19、雙分支結(jié)構(gòu)中上采樣用于處理深層圖像、標(biāo)準(zhǔn)卷積層用于處理淺層圖像，雙分支結(jié)構(gòu)的輸出均輸入拼接層進(jìn)行圖像堆疊，之后進(jìn)行標(biāo)準(zhǔn)卷積和上采樣操作得到與原始圖片尺寸相同的地物識別結(jié)果圖像。

20、進(jìn)一步地，步驟s4具體為：

21、s41、設(shè)定礦山生態(tài)修復(fù)區(qū)地物識別模型的模型參數(shù)，包括：

22、識別類別數(shù)、限制輸入圖像大小、每次輸入到模型中的圖像數(shù)、模型的最大學(xué)習(xí)率、最大訓(xùn)練輪數(shù)、迭代周期；

23、s42、將訓(xùn)練集中數(shù)據(jù)輸入上述模型，輸出地物識別結(jié)果；

24、s43、重復(fù)步驟s42，達(dá)到一個迭代周期則保留一次模型，將驗證集中數(shù)據(jù)輸入更新后的模型，評估模型性能；

25、s44、重復(fù)步驟s42-s43，直至到達(dá)最大訓(xùn)練輪數(shù)，輸出性能最好的保留模型作為礦山生態(tài)修復(fù)區(qū)地物識別模型。

26、進(jìn)一步地，識別類別數(shù)由礦山生態(tài)修復(fù)區(qū)圖像集的標(biāo)簽數(shù)據(jù)決定，與標(biāo)簽的類別數(shù)一致。

27、一種存儲介質(zhì)，所述存儲介質(zhì)存儲指令及數(shù)據(jù)用于實現(xiàn)一種礦山生態(tài)修復(fù)區(qū)地物識別方法。

28、一種計算機(jī)設(shè)備，包括：處理器及所述存儲介質(zhì)；所述處理器加載并執(zhí)行所述存儲介質(zhì)中的指令及數(shù)據(jù)用于實現(xiàn)一種礦山生態(tài)修復(fù)區(qū)地物識別方法。

29、本發(fā)明提供的技術(shù)方案帶來的有益效果是：本發(fā)明提出了一種礦山生態(tài)修復(fù)區(qū)地物識別模型，模型中編碼器模塊設(shè)計了輕量級、融入了注意力機(jī)制的eca-sfsmob模型，并使用rfb模塊增加感受野，提高了地物識別速度以及精度；模型識別的地物類型由圖像集的標(biāo)簽類型決定，可以滿足多種類的地物識別要求。

技術(shù)特征：

1.一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，具體步驟包括：

2.如權(quán)利要求1所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，所述礦山生態(tài)修復(fù)區(qū)圖像集由取景于礦山生態(tài)修復(fù)區(qū)的三通道rgb圖像組成，圖像大小一致，其標(biāo)簽數(shù)據(jù)為真實的地物識別結(jié)果。

3.如權(quán)利要求1所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，所述礦山生態(tài)修復(fù)區(qū)地物識別模型由一個編碼器模塊和一個解碼器模塊組成：

4.如權(quán)利要求3所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，所述編碼器模塊由eca-sfsmob模型、rfb模塊以及concat模塊組成，

5.如權(quán)利要求4所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，所述eca-sfsmob模型的骨干網(wǎng)絡(luò)由用于調(diào)整通道數(shù)的標(biāo)準(zhǔn)卷積層和用于提取圖像的空間和通道特征的sfsbneck層組成；

6.如權(quán)利要求4所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，所述解碼器模塊依次包括分別為上采樣層和標(biāo)準(zhǔn)卷積層的雙分支結(jié)構(gòu)、拼接層、標(biāo)準(zhǔn)卷積層和上采樣層；

7.如權(quán)利要求1所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，步驟s4具體為：

8.如權(quán)利要求7所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法，其特征在于，所述識別類別數(shù)由礦山生態(tài)修復(fù)區(qū)圖像集的標(biāo)簽數(shù)據(jù)決定，與標(biāo)簽的類別數(shù)一致。

9.一種存儲介質(zhì)，其特征在于：所述存儲介質(zhì)存儲指令及數(shù)據(jù)用于實現(xiàn)權(quán)利要求1~8任一項所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法。

10.一種計算機(jī)設(shè)備，其特征在于：包括：處理器及存儲介質(zhì)；所述處理器加載并執(zhí)行存儲介質(zhì)中的指令及數(shù)據(jù)用于實現(xiàn)權(quán)利要求1~8任一項所述的一種礦山生態(tài)修復(fù)區(qū)地物識別方法。

技術(shù)總結(jié)
本發(fā)明提供了一種礦山生態(tài)修復(fù)區(qū)地物識別方法、設(shè)備及存儲介質(zhì)，涉及地物識別領(lǐng)域，其方法包括：獲取礦山生態(tài)修復(fù)區(qū)圖像集及其標(biāo)簽數(shù)據(jù)、劃分?jǐn)?shù)據(jù)集、建立輕量級、融入注意力機(jī)制的地物識別模型、使用數(shù)據(jù)集訓(xùn)練地物識別模型，訓(xùn)練結(jié)束得到礦山生態(tài)修復(fù)區(qū)地物識別模型、將待識別礦山生態(tài)修復(fù)區(qū)圖像輸入礦山生態(tài)修復(fù)區(qū)地物識別模型，得到地物識別結(jié)果；設(shè)備及存儲介質(zhì)，用于實現(xiàn)方法。本發(fā)明的有益效果是：提高了地物識別速度以及精度，可以滿足多種類的地物識別要求。

技術(shù)研發(fā)人員：王旭,張茗韋,吳恒,徐航,周建偉,方蕭楠,帥爽
受保護(hù)的技術(shù)使用者：中國地質(zhì)大學(xué)（武漢）
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/29