[發明專利]智慧林業中智能識別林地違章搭建無人機、方法和系統

在審

• 申請號: 202111353706.2
• 申請日: 2021-11-16
• 公開（公告）號: CN114078216A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 周俊峰;張顯峰;張令濤;蔣含笑;楊清宇
• 申請（專利權）人: 上海巖易科技有限公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/22;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 孟旭彤

一種智慧林業中智能識別林地違章搭建方法，采用搭載相機的無人機對林地進行巡檢，獲取疑似林地違章搭建的圖像；將所述疑似林地違章搭建的圖像輸入經過訓練的林地違章搭建判斷模型，由該模型對林地是否存在違章搭建做出判斷。林地違章搭建判斷模型基于Faster R?CNN深度學習網絡模型。對用于模型訓練的樣本進行擴增，具體的方法包括對所述林地違章搭建判斷模型進行坐標平移、隨機角度旋轉和/或水平翻轉、圖像模糊和/或隨機裁剪、色彩抖動。將經過標注的樣本，通過DCGAN網絡生成的新圖像作為訓練樣本。

技術領域

本發明屬于城市管理技術領域，特別涉及一種智慧林業中智能識別林地違章搭建無人機、方法和系統。

背景技術

現有的建筑監測方法，主要是利用遙感圖像數據，由人工對遙感圖像進行解釋。對存在的違章搭建問題，主要由群眾監督舉報，再由主管執法部門到現場確認，其過程中存在問題有：1)取證困難；2)成本高，巡查速度慢、效率低；3)發現、過程處理及事后監管難，易反復；4)由人工判讀解釋，存在建筑物遺漏問題；5)遙感圖像成本較高，分辨率較低。尤其，當違章搭建如果位于林地之中，由于林地環境的掩護，要從遙感圖像中識別出違章搭建就更加困難了。

發明內容

本發明實施例之一，一種基于無人機圖像的深度學習技術實時識別林地內違章搭建方法，包括步驟：

采用搭載相機的無人機對林地進行巡檢，獲取疑似林地違章搭建的圖像；將林地違章搭建圖像樣本進行標注后，同時利用DCGAN網絡模型擴增林地違章搭建圖像，并將擴增的林地違章搭建圖像加入林地違章搭建樣本集。利用該樣本集對識別林地違章搭建模型進行訓練，利用訓練好的模型，判斷林地中是否存在違章搭建。所述林地違章搭建判斷模型基于Faster R-CNN深度學習網絡模型。

附圖說明

通過參考附圖閱讀下文的詳細描述，本發明示例性實施方式的上述以及其他目的、特征和優點將變得易于理解。在附圖中，以示例性而非限制性的方式示出了本發明的若干實施方式，其中：

圖1根據本發明實施例之一的林地內違章搭建識別方法流程圖。

具體實施方式

隨著深度學習技術引入圖像處理和模式識別領域，用于解決圖像分類、目標識別、自然語言處理、語音識別等問題，使其具有較高的可行性。而且，當無人機航測航拍科技、深度學習和計算機視覺技術進行融合，為建筑的快速準確識別提供了新的檢測和監控技術手段，提高了城市建筑的識別效率，降低了管理成本，提升了城市建筑管理水平，為構建智慧城市提供了理論和技術支持。

無人機航拍圖像具有分辨率高、回訪周期短等特點，借助無人機手段對城市范圍內的林地進行動態監測，可及時、有效地發現林地中涉嫌違法的建設活動。但是，目前關于使用深度學習技術對遙感圖像中面向復雜違章建筑這類目標進行檢測的研究較少。由于違章建筑種類繁多、形態復雜，對于模型和樣本的要求會更高。

本發明針對傳統的城市建筑物檢測方法缺陷，創新性提出城市林地管理中應用無人機視覺數據深度學習識別技術的新方法，利用最前沿的深度學習算法實時分析無人機拍攝的視頻流，自動識別目標區域違章搭建物或城市中的特定目標。基于深度學習方法，通過無人機采集城市建筑圖像，經過篩選和標注構造數據集，在深度框架下構建神經網絡對建筑圖像數據進行訓練，得到高魯棒性的檢測模型，從而實現對目標建筑物的實時檢測。為城市林地管理提供一種全新的技術手段。

根據一個或者多個實施例，如圖1所示。一種林地違章搭建識別方法，基于無人機采集的所有林地內違章搭建圖像數據，標注所有林地內違章搭建圖像數據，建立林地內違章搭建樣本集。基于Faster R-CNN深度學習網絡模型建立林地違章搭建判斷模型，提取林地內違章搭建圖像數據庫特征，訓練林地內違章搭建判斷模型網絡，通過該判斷模型對林地違章搭建圖像進行識別判斷。林地違章搭建判斷模型實現框架包括：

1)基于無人機平臺建立面向“城市林地管理”的深度學習圖像樣本數據庫。