[發(fā)明專利]一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110310464.2
• 申請(qǐng)日: 2021-03-23
• 公開（公告）號(hào): CN113033390B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計(jì)）人: 劉亞嵐;任玉環(huán);荊亞菲;余靜嫻
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院空天信息創(chuàng)新研究院
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/82;G06V10/774;G06V10/26;G06N3/04;G06N3/08
• 代理公司: 武漢宇晨專利事務(wù)所(普通合伙) 42001
• 代理人: 陳曉寧;王敏鋒

1.一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，其步驟是：

A、大壩遙感影像樣本集建立：收集大壩遙感影像樣本并對(duì)大壩目標(biāo)進(jìn)行標(biāo)注，進(jìn)而建立大壩遙感影像樣本集；

B、基于改進(jìn)YOLOv3的大壩目標(biāo)檢測(cè)模型建立：基于YOLOv3框架，利用輕量級(jí)網(wǎng)絡(luò)ShuffleNetV2替代原始主干網(wǎng)絡(luò)Darknet53，對(duì)模型進(jìn)行訓(xùn)練與測(cè)試，得到基于改進(jìn)YOLOv3的大壩目標(biāo)檢測(cè)模型；

C、大幅面遙感影像分割：根據(jù)分割步長(zhǎng)，對(duì)輸入的大幅面遙感影像利用滑動(dòng)窗口進(jìn)行分割；

D、大壩目標(biāo)檢測(cè)：基于改進(jìn)YOLOv3的大壩目標(biāo)檢測(cè)模型，對(duì)分割后的遙感影像數(shù)據(jù)進(jìn)行大壩目標(biāo)檢測(cè)；

E、大壩目標(biāo)檢測(cè)結(jié)果后處理：根據(jù)分割步長(zhǎng)與檢測(cè)邊界框置信度，將分割后的遙感影像重新合并為與原始遙感影像大小相同的影像；

所述的步驟(C)中，YOLOv3網(wǎng)絡(luò)輸入影像的大小是416×416像素，將遙感影像輸入網(wǎng)絡(luò)之前，先采用滑動(dòng)窗口裁剪算法進(jìn)行分割操作，利用相應(yīng)的分割步長(zhǎng)保證相鄰影像塊之間有重疊，以便模型能夠檢測(cè)比較完整的大壩目標(biāo)；

滑動(dòng)窗口裁剪算法的具體過(guò)程是：首先獲取待檢測(cè)的大幅面遙感影像的行和列方向分別需要分割的次數(shù)，然后按照公式(1)對(duì)該影像按列或按行進(jìn)行分割；如果分割后最后一張影像分割到影像之外，則將最后分割塊向前平移，使其邊緣和原始大幅面遙感影像的邊緣重合，最終實(shí)現(xiàn)一幅完整遙感影像的分割；

公式(1)如下：

式(1)中，Image是原始大幅面遙感影像；cropImage是分割后影像；i和j分別表示從列方向和行方向上第幾塊分割影像；nh和nw分別是列方向和行方向上需要分割的次數(shù)；height和width表示大幅面遙感影像列方向和行方向的像素個(gè)數(shù)；side表示目標(biāo)影像大小，目標(biāo)影像長(zhǎng)和寬相同；stride表示滑動(dòng)窗口分割的分割步長(zhǎng)；

所述步驟(E)中，首先根據(jù)分割步長(zhǎng)將檢測(cè)后影像分別按行按列進(jìn)行合并，YOLOv3網(wǎng)絡(luò)中置信度為P_r(Object)*IOU_truth^pred，其中，P_r(object)表示邊界框中包含一個(gè)目標(biāo)的概率，IOU_truth^pred表示預(yù)測(cè)邊界框與真實(shí)邊界框之間的交并比，當(dāng)預(yù)測(cè)框中有目標(biāo)時(shí)，置信度等于IOU_truth^pred，當(dāng)預(yù)測(cè)框中沒(méi)有目標(biāo)時(shí)，置信度為0，當(dāng)兩塊相鄰影像重疊部分都檢測(cè)出同一個(gè)大壩目標(biāo)，則根據(jù)目標(biāo)的邊界框置信度高低確定保留的部分，將置信度高的邊界框保留，置信度低的邊界框舍棄。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，其特征在于，所述的步驟(A)中，首先利用高分辨率衛(wèi)星影像、航空影像和無(wú)人機(jī)拍攝遙感影像，開展對(duì)大壩目標(biāo)檢測(cè)的適應(yīng)性分析，篩選出大壩目標(biāo)檢測(cè)的數(shù)據(jù)源，進(jìn)而建立大壩遙感影像樣本集，然后在此基礎(chǔ)上，利用深度學(xué)習(xí)目標(biāo)檢測(cè)標(biāo)記工具LabelImg對(duì)目標(biāo)進(jìn)行標(biāo)記，將大壩的外接矩形框和類別保存在XML文件中。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，其特征在于，所述的步驟(B)中，基于YOLOv3模型框架，將其主干網(wǎng)絡(luò)由Darknet53換為輕量級(jí)網(wǎng)絡(luò)ShuffleNet2進(jìn)行模型訓(xùn)練；當(dāng)模型訓(xùn)練完成后，將待檢測(cè)影像輸入到訓(xùn)練好的基于改進(jìn)YOLOv3的大壩目標(biāo)檢測(cè)模型中，生成對(duì)應(yīng)的大壩目標(biāo)檢測(cè)結(jié)果。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，其特征在于，所述的步驟(C)中，根據(jù)大壩壩頂長(zhǎng)度確定大壩在不同分辨率遙感影像上所占像素的范圍及分割步長(zhǎng)；通過(guò)從國(guó)家能源局大壩安全監(jiān)察中心公開的大壩數(shù)據(jù)中隨機(jī)選擇100個(gè)大壩的壩頂長(zhǎng)度統(tǒng)計(jì)發(fā)現(xiàn)，95％以上的大壩壩頂長(zhǎng)度在50-600m之間，而對(duì)2m分辨率遙感影像的分割步長(zhǎng)試驗(yàn)得到，當(dāng)分割步長(zhǎng)為100時(shí)，可檢測(cè)出完整的大壩目標(biāo)；對(duì)更高分辨率的遙感影像則可按照公式(2)計(jì)算分割的步長(zhǎng)：

stride＝200/r (2)

式(2)中，r是影像的分辨率，stride是分割步長(zhǎng)。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，其特征在于，所述步驟(D)中，將分割后大小為416×416像素的遙感影像分別輸入到訓(xùn)練好的大壩目標(biāo)檢測(cè)模型中，得到相應(yīng)大小的大壩目標(biāo)檢測(cè)結(jié)果。