CN107730488A - 一种利用无人机低空遥感图像自动检测罂粟种植的方法 - Google Patents
一种利用无人机低空遥感图像自动检测罂粟种植的方法 Download PDFInfo
- Publication number
- CN107730488A CN107730488A CN201710894268.8A CN201710894268A CN107730488A CN 107730488 A CN107730488 A CN 107730488A CN 201710894268 A CN201710894268 A CN 201710894268A CN 107730488 A CN107730488 A CN 107730488A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- remote sensing
- image
- opium poppy
- convolutional neural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 240000001090 Papaver somniferum Species 0.000 title claims abstract description 26
- 235000006502 papoula Nutrition 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 title claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 11
- 230000009897 systematic effect Effects 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 238000011835 investigation Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 abstract description 3
- 229940079593 drug Drugs 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 2
- OROGSEYTTFOCAN-DNJOTXNNSA-N codeine Chemical compound C([C@H]1[C@H](N(CC[C@@]112)C)C3)=C[C@H](O)[C@@H]1OC1=C2C3=CC=C1OC OROGSEYTTFOCAN-DNJOTXNNSA-N 0.000 description 2
- 230000002153 concerted effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- BQJCRHHNABKAKU-KBQPJGBKSA-N morphine Chemical compound O([C@H]1[C@H](C=C[C@H]23)O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4O BQJCRHHNABKAKU-KBQPJGBKSA-N 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 239000008896 Opium Substances 0.000 description 1
- 229930013930 alkaloid Natural products 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229960004126 codeine Drugs 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- OROGSEYTTFOCAN-UHFFFAOYSA-N hydrocodone Natural products C1C(N(CCC234)C)C2C=CC(O)C3OC2=C4C1=CC=C2OC OROGSEYTTFOCAN-UHFFFAOYSA-N 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229960005181 morphine Drugs 0.000 description 1
- 229960001027 opium Drugs 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种利用无人机低空遥感图像自动检测罂粟种植的方法，包括以下步骤：采用深度卷积神经网络实现对无人机低空遥感图像的分类：首先将采集到的无人机低空遥感图像进行人工标注，将含有罂粟的图像中的罂粟区域人工标注出来；然后将训练集中的图像随机选取一部分作为训练集提交给深度卷积神经网络系统训练，利用标注的图像调整深度卷积神经网络的各参数；最后将选取剩下的图像提交给系统进行测试该系统的准确度，如果准确度达到要求，则该系统提交使用，否则继续利用无人机采集遥感图像进行人工标注并提交给该系统训练该系统的参数直到准确度达到要求。本发明能够节省人力、物力，提高罂粟的排查效率。
Description
技术领域
本发明属于无人机技术领域，具体地说，涉及一种利用无人机低空遥感图像自动检测罂粟种植的方法。
背景技术
随着信息技术的发展，传统的行政指令、人工采集、纸质传输、现场查验等禁毒方式已不能满足新形势下禁毒工作的需要，数字化禁毒技术越来越多的应用到禁毒工作中。未成熟的罂粟果实含乳白色浆液，和果壳均含吗啡、可待因、罂粟碱等多种生物碱，是制取鸦片的主要原料。
以前对罂粟种植的排查，主要靠公安干警深入到各村各户的人工逐一排查方式，这种方式工作难度、强度都很大，耗费大量的人力、物力，而且效率低下，而且随着罂粟的种植地越来越隐蔽，打击非法种植罂粟越来越艰难。利用无人机航拍和实地踏查，通过空中、地面紧密结合的作战方式，真正形成“天上、地下”共同打击植毒违法犯罪活动的合力，尤其在山林较多的郊区、废弃房屋和高层建筑楼顶等地形复杂、踏查难度大的区域，使用无人机可以很好的弥补踏查漏洞，直观地发现哪些区域存在违规种植的情况，发现疑点后辖区派出所民警能有的放矢地前去核查。
目前利用无人机对罂粟种植的排查，一般采用利用无人机对排查区域遥感监测，然后对航测到的低空遥感图像再进行人工识别，判断出哪些图像含有种植的罂粟，随比纯人工排查有了一定的进步，但自动化程度仍不够高。
发明内容
为了克服现有技术中存在的缺陷，本发明提出了一种利用无人机低空遥感图像自动检测罂粟种植的方法，该方法旨在对无人机拍摄到的低空遥感图像自动识别出哪些是含有罂粟种植的图像。
其技术方案如下：
一种利用无人机低空遥感图像自动检测罂粟种植的方法，包括以下步骤：
采用深度卷积神经网络实现对无人机低空遥感图像的分类：首先将采集到的无人机低空遥感图像进行人工标注，将含有罂粟的图像中的罂粟区域人工标注出来；然后将训练集中的图像随机选取一部分作为训练集提交给深度卷积神经网络系统训练，利用标注的图像调整深度卷积神经网络的各参数；最后将选取剩下的图像提交给系统进行测试该系统的准确度，如果准确度达到要求，则该系统提交使用，否则继续利用无人机采集遥感图像进行人工标注并提交给该系统训练该系统的参数直到准确度达到要求。
本发明的有益效果为：
1，由于该发明做到了对无人机拍摄到的低空遥感图像自动识别出哪些是含有罂粟种植的图像，所以能够节省人力、物力，提高罂粟的排查效率，降低公安干警工作难度和工作强度。
2.通过空中、地面紧密结合的作战方式，真正形成“天上、地下”共同打击植毒违法犯罪活动的合力，提高禁毒工作的信息化程度。
3.对山林较多的郊区、废弃房屋和高层建筑楼顶等地形复杂、踏查难度大的区域，使用无人机可以很好的弥补踏查漏洞。
附图说明
图1是本发明利用无人机低空遥感图像自动检测罂粟种植的方法的流程图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
如图1所示，一种利用无人机低空遥感图像自动检测罂粟种植的方法，包括以下步骤：
1.对无人机拍摄到的低空遥感图像进行预处理：包括去躁、畸变、重命名等；
2.将采集到的无人机低空遥感图像进行人工标注：将含有罂粟的图像中的罂粟区域人工标注出来；
3.训练神经网络：从标注后的图像中人工选取一部分具有代表性的图像作为训练图像集(简称训练集)提交给深度卷积神经网络系统，通过多次迭代，利用标注的图像调整深度卷积神经网络的各级参数；
4.测试神经网络的精度：将选取测试集后剩下的图像(简称测试集)提交给系统进行该系统准确度的测试，如果准确度达到要求，则该系统可以提交使用，否则继续利用无人机采集遥感图像转到步骤2进行人工标注并提交给该系统训练该系统的参数直到准确度达到要求。
5.算法结束。
以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (1)
1.一种利用无人机低空遥感图像自动检测罂粟种植的方法，其特征在于，包括以下步骤：
采用深度卷积神经网络实现对无人机低空遥感图像的分类：首先将采集到的无人机低空遥感图像进行人工标注，将含有罂粟的图像中的罂粟区域人工标注出来；然后将训练集中的图像随机选取一部分作为训练集提交给深度卷积神经网络系统训练，利用标注的图像调整深度卷积神经网络的各参数；最后将选取剩下的图像提交给系统进行测试该系统的准确度，如果准确度达到要求，则该系统提交使用，否则继续利用无人机采集遥感图像进行人工标注并提交给该系统训练该系统的参数直到准确度达到要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710894268.8A CN107730488A (zh) | 2017-09-21 | 2017-09-21 | 一种利用无人机低空遥感图像自动检测罂粟种植的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710894268.8A CN107730488A (zh) | 2017-09-21 | 2017-09-21 | 一种利用无人机低空遥感图像自动检测罂粟种植的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107730488A true CN107730488A (zh) | 2018-02-23 |
Family
ID=61207443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710894268.8A Pending CN107730488A (zh) | 2017-09-21 | 2017-09-21 | 一种利用无人机低空遥感图像自动检测罂粟种植的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107730488A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148028A (zh) * | 2020-08-28 | 2020-12-29 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105279556A (zh) * | 2015-11-05 | 2016-01-27 | 国家卫星海洋应用中心 | 一种浒苔检测方法和装置 |
| CN105957086A (zh) * | 2016-05-09 | 2016-09-21 | 西北工业大学 | 一种基于优化神经网络模型的遥感图像变化检测方法 |
| CN106295601A (zh) * | 2016-08-18 | 2017-01-04 | 合肥工业大学 | 一种改进的安全带检测方法 |
| CN106934455A (zh) * | 2017-02-14 | 2017-07-07 | 华中科技大学 | 基于cnn的遥感影像光学适配结构选取方法及系统 |
| CN107025443A (zh) * | 2017-04-06 | 2017-08-08 | 江南大学 | 基于深度卷积神经网络的堆场烟雾监测及在线模型更新方法 |
-
2017
- 2017-09-21 CN CN201710894268.8A patent/CN107730488A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105279556A (zh) * | 2015-11-05 | 2016-01-27 | 国家卫星海洋应用中心 | 一种浒苔检测方法和装置 |
| CN105957086A (zh) * | 2016-05-09 | 2016-09-21 | 西北工业大学 | 一种基于优化神经网络模型的遥感图像变化检测方法 |
| CN106295601A (zh) * | 2016-08-18 | 2017-01-04 | 合肥工业大学 | 一种改进的安全带检测方法 |
| CN106934455A (zh) * | 2017-02-14 | 2017-07-07 | 华中科技大学 | 基于cnn的遥感影像光学适配结构选取方法及系统 |
| CN107025443A (zh) * | 2017-04-06 | 2017-08-08 | 江南大学 | 基于深度卷积神经网络的堆场烟雾监测及在线模型更新方法 |
Non-Patent Citations (5)
| Title |
|---|
| 孙立根: "《坚守"北大门"-韶关警务实践与探索》", 31 August 2017, 《冶金工业出版社》 * |
| 李南: "基于机器视觉的锄草机器人快速作物识别方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
| 李文君: "《禁毒防控理论研究与实践探索》", 30 June 2017, 《上海社会科学院出版社》 * |
| 贾永红: "《数字图像处理技巧》", 31 January 2017, 《武汉大学出版社》 * |
| 陈海虹: "《机器学习原理及应用》", 31 July 2017, 《电子科技大学出版社》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148028A (zh) * | 2020-08-28 | 2020-12-29 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
| CN112148028B (zh) * | 2020-08-28 | 2022-06-14 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106650689B (zh) | 一种沿海城市时间序列土地利用信息提取方法 | |
| CN101592524B (zh) | 基于类间方差的modis森林火灾火点检测方法 | |
| Trier et al. | Automatic detection of pit structures in airborne laser scanning data | |
| CN105740642B (zh) | 基于多源遥感数据的modis卫星火点准确性判别方法 | |
| CN106023203B (zh) | 基于Landsat-8陆地卫星数据的火点检测方法 | |
| CN103455804B (zh) | 一种基于动态阈值的输电线路山火卫星火点辨识方法 | |
| CN108804394A (zh) | 一种城市夜光总量-城镇人口回归模型的构建方法 | |
| CN110308097A (zh) | 一种卫星图像云检测方法及系统 | |
| Mukherjee et al. | Effect of canal on land use/land cover using remote sensing and GIS | |
| CN105242294B (zh) | 基于无线车联物联网的车辆定位系统 | |
| CN108592888B (zh) | 一种居民地提取方法 | |
| CN110208193A (zh) | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 | |
| CN106485254A (zh) | 一种输电线路通道地表特征变化自动提取方法 | |
| CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
| CN105976360A (zh) | 基于红外相机图像处理的输电线弧垂测量方法 | |
| Pu | Mapping urban forest tree species using IKONOS imagery: preliminary results | |
| Mustafa et al. | Identification and mapping of tree species in urban areas using worldview-2 imagery | |
| CN107730488A (zh) | 一种利用无人机低空遥感图像自动检测罂粟种植的方法 | |
| CN113378754A (zh) | 一种工地裸土监测方法 | |
| CN106339005B (zh) | 农业互联植株管理方法 | |
| Ellis et al. | Influence of altitude on tropical marine habitat classification using imagery from fixed‐wing, water‐landing UAV s | |
| CN105246040A (zh) | 无线车联物联网定位系统 | |
| CN107967452B (zh) | 一种基于视频的深海矿物分布识别方法及系统 | |
| CN106934793A (zh) | 空间建模技术支持下的核电站温排水卫星遥感监测方法 | |
| CN108897074B (zh) | 一种全球海洋降水反演方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |