一种基于语义分割的耕地非粮化监测方法及系统

本发明涉及测绘遥感及语义分割，具体为一种基于语义分割的耕地非粮化监测方法及系统。

背景技术：

1、耕地主要用于粮棉油糖菜等农产品生产，明确禁止任何单位和个人在基本农田保护区内建窑、建房、建坟、挖砂、采石、采矿、取土、堆放固体废弃物或者进行其他破坏基本农田的活动，禁止任何单位和个人占用基本农田发展林果业和挖塘养鱼。

2、我们要采取有力措施、强化监督管理，坚决制止耕地“非粮化”，以往耕地变化情况的监测主要靠人工判别和野外调查相结合的方式，这样的方式不能满足实时性、低成本、大范围、高频次的要求。随着遥感技术的发展，卫星遥感图像越来越精确，使得利用大数据和人工智能技术监测耕地非粮化情况成为可能。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于语义分割的耕地非粮化监测方法及系统，解决了上述背景技术中提出的靠人工判别和野外调查相结合的耕地变化情况监测方式，不能满足实时性、低成本、大范围、高频次的要求的问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种基于语义分割的耕地非粮化监测方法，包括：

5、对耕地卫星遥感图像进行预处理和人工标注，将处理后的图像按8：2的比例划分成训练集和验证集；

6、利用处理好的耕地卫星遥感图像数据集训练出语义分割神经网络模型，然后使用像素精度pa和平均并交比miou，两个评估指标来验证训练出的网络模型精度是否达标；

7、将目标耕地卫星遥感图像输入到训练出的语义分割神经网络模型中，获得目标耕地卫星遥感图像中所有像素点的语义信息；

8、根据所有像素点的语义信息统计该耕地遥感图像的非粮化程度。

9、优选地，对耕地卫星遥感图像进行预处理和人工标注，将处理后的图像按8：2的比例划分成训练集和验证集，包括：基于耕地卫星遥感图像创建矢量，勾绘矢量样本，为矢量样本添加类别；将矢量图像转变成栅格图像，将图像进行随机划分，划分成572×572大小的尺寸；使用旋转，翻转进行数据增强；最后将所有图片随机按照8：2的比例划分成训练集和验证集。

10、优选地，所述利用处理好的耕地卫星遥感图像数据集训练出语义分割神经网络模型，包括：语义分割神经网络模型是segnet，segnet由编码器和解码器两部分组成，编码器在给定训练集中的输入图像后，提取图像的特征并保存池化索引，得到图像的特证图谱；解码器则根据得到的特征图谱，通过反卷积和上采样，逐步实现图像还原和每个像素的类别标注，在每5步训练以后，通过验证集验证一下模型训练是否正常。

11、优选地，利用处理好的耕地卫星遥感图像数据集训练出语义分割神经网络模型，然后使用像素精度pa和平均并交比miou，两个评估指标来验证训练出的网络模型精度是否达标，包括：采用像素精度pa和平均并交比miou两个指标构建训练出的segnet模型的语义分割精度的评价体系，像素精度和平均正交比越趋近于1，模型的分割精度越高；

12、两个评估公式分别如下：

13、像素精度：

14、平均并交比：

15、其中，n为除去背景类别的类别数，pji表示类别为j的像素被预测为类别i的数目。

16、优选地，所述根据所有像素点的语义信息统计该耕地遥感图像的非粮化程度，包括：将预处理后耕地遥感图像中所有像素点的语义信息属于不同类的像素点按照是否属于农产品类别进行归类；

17、对该耕地非粮化使用情况进行打分，分数的计算方式为：对用属于农产品类别的像素点数目进行求和，再除以图像的总像素点；

18、如果该分数超过设定的阈值，则说明该耕地的使用情况是正常的，若低于设定的阈值，则说明该耕地的非粮化情况不合格。

19、本发明还提供一种基于语义分割的耕地非粮化监测装置，包括：

20、预处理模块：用于对耕地卫星遥感图像进行预处理和人工标注，将处理后的图像按8：2的比例划分成训练集和验证集；

21、模型训练模块：用于利用训练集和验证集训练出语义分割神经网络模型；

22、语义分割模块：用于利用处理好的耕地卫星遥感图像数据集训练出语义分割神经网络模型，然后使用像素精度pa和平均并交比miou，两个评估指标来验证训练出的网络模型精度是否达标；

23、统计模块：根据所有像素点的语义信息统计该耕地遥感图像的非粮化程度。

24、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器所执行时执行如前任一所述的一种基于语义分割的耕地非粮化监测方法。

25、本发明还提供一种基于语义分割的耕地非粮化监测终端，包括：输入设备、输出设备、存储器、处理器；所述输入设备、所述输出设备、所述存储器和所述处理器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所护处理器被配置调用所述程序指令，执行如前任一所述的一种基于语义分割的耕地非粮化监测方法。

26、(三)有益效果

27、本发明提供了一种基于语义分割的耕地非粮化监测方法及系统。具备以下有益效果：

28、本发明提供一种基于语义分割的耕地非粮化监测方法，包括：对耕地卫星遥感图像进行预处理；按比例划分成训练集和验证集；利用训练集和验证集训练出语义分割神经网络模型；将预处理后的耕地卫星遥感图像输入到训练出语义分割神经网络模型中获得耕地卫星遥感图像中所有像素点的语义信息；根据所有像素点的语义信息统计该耕地遥感图像的非粮化程度；基于耕地卫星遥感图像利用语义分割进行像素点语义信息采集，划分，统计评分后确定非粮化程度，方法自动化程度高，计算速度高，精度高，只统计属于粮棉油糖菜等农产品类别的像素点数目进行评分，减少了识别和运算过程，节省了算力，解决了现有技术中提出的靠人工判别和野外调查相结合的耕地变化情况监测方式，不能满足实时性、低成本、大范围、高频次的要求的问题。

技术特征：

1.一种基于语义分割的耕地非粮化监测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于语义分割的耕地非粮化监测方法，其特征在于，对耕地卫星遥感图像进行预处理和人工标注，将处理后的图像按8：2的比例划分成训练集和验证集，包括：基于耕地卫星遥感图像创建矢量，勾绘矢量样本，为矢量样本添加类别；将矢量图像转变成栅格图像，将图像进行随机划分，划分成572×572大小的尺寸；使用旋转，翻转进行数据增强；最后将所有图片随机按照8：2的比例划分成训练集和验证集。

3.根据权利要求1所述的一种基于语义分割的耕地非粮化监测方法，其特征在于，所述利用处理好的耕地卫星遥感图像数据集训练出语义分割神经网络模型，包括：语义分割神经网络模型是segnet，segnet由编码器和解码器两部分组成，编码器在给定训练集中的输入图像后，提取图像的特征并保存池化索引，得到图像的特证图谱；解码器则根据得到的特征图谱，通过反卷积和上采样，逐步实现图像还原和每个像素的类别标注，在每5步训练以后，通过验证集验证一下模型训练是否正常。

4.根据权利要求1所述的一种基于语义分割的耕地非粮化监测方法，其特征在于，利用处理好的耕地卫星遥感图像数据集训练出语义分割神经网络模型，然后使用像素精度pa和平均并交比miou，两个评估指标来验证训练出的网络模型精度是否达标，包括：采用像素精度pa和平均并交比miou两个指标构建训练出的segnet模型的语义分割精度的评价体系，像素精度和平均正交比越趋近于1，模型的分割精度越高；

5.根据权利要求5所述的一种基于语义分割的耕地非粮化监测方法，其特征在于，所述根据所有像素点的语义信息统计该耕地遥感图像的非粮化程度，包括：将预处理后耕地遥感图像中所有像素点的语义信息属于不同类的像素点按照是否属于农产品类别进行归类；

6.一种基于语义分割的耕地非粮化监测装置，其特征在于，包括：

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器所执行时执行如权利要求1-6中任一所述的一种基于语义分割的耕地非粮化监测方法。

8.一种基于语义分割的耕地非粮化监测终端，其特征在于，包括：输入设备、输出设备、存储器、处理器；所述输入设备、所述输出设备、所述存储器和所述处理器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所护处理器被配置调用所述程序指令，执行如权利要求1-6中任一所述的一种基于语义分割的耕地非粮化监测方法。

技术总结
本发明提供一种基于语义分割的耕地非粮化监测方法及系统，涉及测绘遥感及语义分割技术领域，包括：对耕地卫星遥感图像进行预处理；按比例划分成训练集和验证集；利用训练集和验证集训练出语义分割神经网络模型；将预处理后的耕地卫星遥感图像输入到训练出语义分割神经网络模型中获得耕地卫星遥感图像中所有像素点的语义信息；根据所有像素点的语义信息统计该耕地遥感图像的非粮化程度，解决了现有技术中提出的靠人工判别和野外调查相结合的耕地变化情况监测方式，不能满足实时性、低成本、大范围、高频次的要求的问题。

技术研发人员：鲍海君,韩璐,汪凝,张帮岩
受保护的技术使用者：浙大城市学院
技术研发日：
技术公布日：2024/1/12