CN111062361A - 一种河湖岸线采砂监测分析的方法及装置 - Google Patents

Abstract

本发明公开了一种河湖岸线采砂监测分析的方法及装置，包括：获取河湖岸线范围的卫星影像数据；根据河湖岸线管理范围线进行数据范围掩膜，并根据时间和空间覆盖情况筛选待处理的卫星影像数据；建立采砂现象识别样本库，并训练模型，利用训练好的模型对待处理的卫星影像数据进行采砂现象智能检测识别，并进行采砂现象识别结果的优化处理；对不同期卫星影像数据的采砂现象智能检测识别结果进行叠加分析，获取采砂现象变化情况；对采砂疑似点位向外业查勘APP进行信息的推送，并接收外业核查信息；生成采砂分析报告，并向监测指挥系统进行转发。本发明快速筛选，并采用采砂影像数据进行采砂检测数据库建立，实现形态多样的采砂现象自动识别，提高了工作效率。

Description

一种河湖岸线采砂监测分析的方法及装置

技术领域

本发明涉及水利行业数据处理技术领域，具体说，是一种河湖岸线采砂监测分析的方法及装置。

背景技术

近年来，随着城镇化进程不断加快，“乱占、乱采、乱堆、乱建”的“四乱”问题在很多城市的河湖管理中屡除不尽，擅自侵占河湖岸线非法建筑、非法围垦湖泊(水库)、非法采砂等严重影响水生态、水环境的水事违法行为时有发生，严重影响了城市的河湖生态环境和人居幸福指数。“四乱”整治已经成为城市河湖监管工作的主要内容。

目前，部分地区“四乱”清查整治工作已相继展开，清查工作主要还是靠传统的基层河湖管理人员进行实地排查、统计方法进行；但是，各水利部门人员短缺，巡河任务繁重，存在着监管范围不全面、监管周期过长、信息获取不准确、问题汇总统计难等问题。随着国家高分辨率对地观测系统重大专项的持续推进，卫星遥感数据资源日益丰富，是实现河湖由监督性监管向周期性、常态化监管转变，建立长效监管机制的重要支撑。针对海量的遥感数据资源，可充分利用深度学习技术进行“四乱”专题要素影像特征自动解译和判读，再结合少量必要的人工目视解译，即可提高河湖监管信息提取的速度和准确率，在节省人力物力的前提下，为城市水利行政部门提供对辖区内河湖的科学有效的监管。

目前，基于卫星遥感图像进行河湖“四乱”监测任务已经成为主要趋势，但是河湖延伸距离大，范围广，卫星影像数据量大，单靠人工目视解译查找“四乱”现象点位的任务非常重，可通过智能分析方法及装置提高“四乱”识别效率。

河湖“四乱”监测任务包括基于舆情监督、电话举报等方式的巡查，基于卫星影像“四乱”识别的详查，基于无人机航拍取证的核查和基于不同时期影像对比的复查。

但是，现有技术存在以下问题：未考虑覆盖河湖范围的卫星影像筛选单元，无法实现大量数据的必要分析和数据的快速选取；未考虑采砂现象智能识别单元，无法实现大量数据采砂点位的自动检测和标注；未考虑采砂活动动态分析单元，无法方便、快捷的实现不同时期采砂活动的变化分析；未考虑采砂分析结果的转发功能，无法快速方便的将采砂信息上报给各河湖保护管理部门。

发明内容

本发明所要解决的技术问题是，提供一种河湖岸线采砂监测分析的方法及装置，实现“四乱”识别结果与无人机取证系统的数据传输与接收功能，实现决策指挥的输入与传输功能，生成当天的监测任务计划，并根据监测分析结果实现“四乱”现象的标记和报告的生成。

为了解决上述技术问题，本发明采用的技术方案是：一种河湖岸线采砂监测分析的方法，包括：获取河湖岸线范围的卫星影像数据；根据河湖岸线管理范围线进行数据范围掩膜，并根据时间和空间覆盖情况筛选待处理的卫星影像数据；建立采砂现象识别样本库，并训练模型，利用训练好的模型对所述待处理的卫星影像数据进行采砂现象智能检测识别，并进行采砂现象识别结果的优化处理；对不同期卫星影像数据的采砂现象智能检测识别结果进行叠加分析，获取采砂现象变化情况；对采砂疑似点位向外业查勘APP进行信息的推送，并接收外业核查信息；生成采砂分析报告，并向监测指挥系统进行转发。

具体包括以下步骤：

S1卫星影像获取：在卫星资源应用中心获取多光谱遥感影像，以待监测区河道矢量线为选取标准，将线矢量转换为2km宽的面矢量，选取覆盖面矢量的卫星影像，选择同一时间序列的影像数据，将面矢量文件、河道管理范围线矢量文件和影像数据存储在服务器上；

S2图像筛选处理，包括以下步骤：

S21整合互联网舆情和群众举报信息确定河湖疑似问题，根据河湖疑似问题筛选定点卫星影像数据；或

S22根据待监测区河道矢量范围线进行河段选取，通过已有的河湖划界数据确定河湖监管范围，设定监管区域和监管时间条件，筛选覆盖该区域、该时间内的卫星影像数据；

S23根据河道管理范围线对S21或S22得到的影像数据进行掩膜处理，保证仅河道管理范围内的数据参与后期处理，并将筛选的待处理影像和其他影像进行标记处理和分别存储；

S3采砂现象检测识别，包括以下步骤：

S31选择黄河、长江、淮河、松花江、永定河、西江六条河流的历史影像数据作为样本标注的原始数据，以采砂堆、采砂坑为重点检测目标，对采砂现象边缘进行数据标注，建立采砂初始样本库，并通过旋转、重采样操作补充丰富样本库；

S32以Unet网络为基础网络进行模型训练，利用采砂初始样本数据集对网络进行预训练；训练完成后获得采砂检测识别的模型，对待监测区筛选处理后的影像进行采砂现象检测识别测试；

S4采砂点位筛选及推送：将检测识别结果与影像叠加并编号，生成采砂疑似点位的统计报告，人工快速核对筛查，在河湖监管平台上经网络推送到外业查勘手机APP上；

S5实地核查信息接收：人工核对并推送的采砂点位外业人员进行实地核查，包括实地核查是否为采砂点，拍照取证，精确坐标定位，标记现场标志，经外业人员实地核查为采砂现象的点位，将采砂点位编号、精确坐标、现场照片信息发送到服务器，并存储在服务器，直接将核查结果与智能检测识别结果对应；

S6采砂活动动态分析：经过智能检测识别后的结果为单期影像的检测结果，不具有监管要素的变化信息，针对两期影像识别结果的矢量，进行空间分析，采用分治方法进行采砂区块合并，将两期采砂智能检测识别结果进行叠加，进行相交处理，获得两期影像采砂动态变化信息；

S7采砂报告生成及转发：生成采砂分析报告，通过网络传输设备将采砂分析报告进行转发。

所述S32中，经过Unet网络检测识别后的采砂信息包括采砂的点位坐标信息和采砂面积信息。

所述S32中还包括采砂现象智能检测的图斑存在轮廓曲折、有锯齿状、存在杂乱的小面积区域、部分区域有空洞时，对采砂现象检测识别结果进行三次B样条曲线近似拟合、小于10像素的小面积区域剔除、空洞填补优化处理，改善采砂现象识别显示效果。

所述S31中补充丰富样本库采用以标注体为中心，进行512*512大小的裁剪。

所述S32中，使用Unet网络，采用交叉熵函数作为损失函数，学习率设置为10^-4，训练周围为10个周期。

所述S6中采用分治方法进行采砂区块合并是指对不同检测斑块寻找距离最小的平面点对，通过设置距离阈值对同一采砂场的分离斑块进行合并，提高检测采砂点位数量的准确度，并对不同期采砂斑块进行叠加分析，确定变化的区域。

一种河湖岸线采砂监测分析装置，至少包括卫星影像获取单元、图像筛选处理单元、采砂现象检测识别单元、采砂点位筛选及推送单元、实地核查信息接收单元、采砂活动动态分析单元和采砂报告生成及转发单元；

卫星影像获取单元：用于获取监测指挥系统存储的多光谱遥感影像、河道矢量线，并向图像筛选处理单元提供覆盖面矢量的卫星影像数据、河道管理范围线矢量文件；

图像筛选处理单元：用于在所述卫星影像数据中筛选待监测区卫星影像数据，并进行掩膜处理，并进行标记处理和分别存储，并向采砂现象检测识别单元提供已标记的掩膜卫星影像数据；

采砂现象检测识别单元：用于对所述掩膜卫星影像数据进行采砂现象检测识别，并向采砂点位筛选及推送单元、采砂活动动态分析单元提供检测识别结果和所述掩膜卫星影像数据；

采砂点位筛选及推送单元：用于对所述检测识别结果和掩膜卫星影像数据进行编号，并生成采砂疑似点位的统计报告，接收监测指挥系统的推送通知，并向外业查勘手机APP、实地核查信息接收单元以及监测指挥系统推送统计报告；

实地核查信息接收单元：用于接收外业查勘手机APP发送的信息，包括实地核查的采砂点位编号、精确坐标、现场照片信息，并向采砂报告生成及转发单元提供所述信息；

采砂活动动态分析单元：用于对采砂现象检测识别单元得到的检测识别结果进行两期结果的叠加，并进行相交处理，并向采砂报告生成及转发单元提供所述处理结果；

采砂报告生成及转发单元：用于生成采砂报告，并向监测指挥系统转发所述采砂报告。

所述图像筛选处理单元接收互联网舆情信息、群众举报信息和河湖划界数据。

本发明的有益效果是：

(1)本发明通过整合互联网舆情和群众举报信息以及河湖划界确权范围线精准确定河湖待监测区域范围，避免过多无效影像的处理过程，减少了非监测区内误检测目标排查工作，一方面提高了发现采砂现象的效率，另一方面按照矢量范围等已知信息进行查询、存储数据，规范了数据存储方式，利于大量影像数据的有效管理。

(2)对黄河、长江、淮河、松花江、永定河、西江六条河道的采砂现象进行数据标注，并制作标准数据集，数据集内采砂现象包括采砂坑、采砂堆多样化的采砂元素，具有较广泛的适用性，且选择适用于采砂现象识别的神经网络训练模型，采砂现象识别检测全面，漏检率低。

(3)采用分治方法对采砂现象识别结果进行区块整合，将同一个采砂场的分块图斑合并，形成一个图斑，使得检测的范围更加准确，采砂现象的检测数量也更接近真实数量。

附图说明

图1是本发明河湖岸线采砂监测分析的方法流程图。

图2是本发明河湖岸线采砂监测分析的方法具体流程图。

图3是本发明河湖岸线采砂监测分析装置的连接框图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明：

如图1所示，本发明的河湖岸线采砂监测分析的方法，包括：获取河湖岸线范围的卫星影像数据；根据河湖岸线管理范围线进行数据范围掩膜，并根据时间和空间覆盖情况筛选待处理的卫星影像数据；建立采砂现象识别样本库，并训练模型，利用训练好的模型对所述待处理的卫星影像数据进行采砂现象智能检测识别，并进行采砂现象识别结果的优化处理；对不同期卫星影像数据的采砂现象智能检测识别结果进行叠加分析，获取采砂现象变化情况；对采砂疑似点位向外业查勘APP进行信息的推送，并接收外业核查信息；生成采砂分析报告，并向监测指挥系统进行转发。

如图2所示，具体包括以下步骤：

S1卫星影像获取：在卫星资源应用中心获取多光谱遥感影像，以待监测区河道矢量线为选取标准，将线矢量转换为2km宽的面矢量，选取覆盖面矢量的卫星影像，选择同一时间序列的影像数据，将面矢量文件、河道管理范围线矢量文件和影像数据存储在服务器上；

S2图像筛选处理，包括以下步骤：

S21整合互联网舆情和群众举报信息确定河湖疑似问题，根据河湖疑似问题筛选定点卫星影像数据；或

S22根据待监测区河道矢量范围线进行河段选取，通过已有的河湖划界数据确定河湖监管范围，设定监管区域和监管时间条件，筛选覆盖该区域、该时间内的卫星影像数据；

S23根据河道管理范围线对S21或S22得到的影像数据进行掩膜处理，保证仅河道管理范围内的数据参与后期处理，并将筛选的待处理影像和其他影像进行标记处理和分别存储；

S3采砂现象检测识别，包括以下步骤：

S31选择黄河、长江、淮河、松花江、永定河、西江六条河流的历史影像数据作为样本标注的原始数据，以采砂堆、采砂坑为重点检测目标，对采砂现象边缘进行数据标注，建立采砂初始样本库，并通过旋转、重采样操作补充丰富样本库；

S32以Unet网络为基础网络进行模型训练，利用采砂初始样本数据集对网络进行预训练；训练完成后获得采砂检测识别的模型，对待监测区筛选处理后的影像进行采砂现象检测识别测试；

S4采砂点位筛选及推送：将检测识别结果与影像叠加并编号，生成采砂疑似点位的统计报告，人工快速核对筛查，在河湖监管平台上经网络推送到外业查勘手机APP上；

S5实地核查信息接收：人工核对并推送的采砂点位外业人员进行实地核查，包括实地核查是否为采砂点，拍照取证，精确坐标定位，标记现场标志，经外业人员实地核查为采砂现象的点位，将采砂点位编号、精确坐标、现场照片信息发送到服务器，并存储在服务器，直接将核查结果与智能检测识别结果对应；

S6采砂活动动态分析：经过智能检测识别后的结果为单期影像的检测结果，不具有监管要素的变化信息，针对两期影像识别结果的矢量，进行空间分析，采用分治方法进行采砂区块合并，将两期采砂智能检测识别结果进行叠加，进行相交处理，获得两期影像采砂动态变化信息；

S7采砂报告生成及转发：生成采砂分析报告，通过网络传输设备将采砂分析报告进行转发。

具体地说，所述S32中，经过Unet网络检测识别后的采砂信息包括采砂的点位坐标信息和采砂面积信息。

具体地说，所述S32中还包括采砂现象智能检测的图斑存在轮廓曲折、有锯齿状、存在杂乱的小面积区域、部分区域有空洞时，对采砂现象检测识别结果进行三次B样条曲线近似拟合、小于10像素的小面积区域剔除、空洞填补优化处理，改善采砂现象识别显示效果。

具体地说，所述S31中补充丰富样本库采用以标注体为中心，进行 512*512大小的裁剪。

具体地说，使用Unet网络，采用交叉熵函数作为损失函数，学习率设置为10^-4，训练周围为10个周期。

具体地说，所述S6中采用分治方法进行采砂区块合并是指对不同检测斑块寻找距离最小的平面点对，通过设置距离阈值对同一采砂场的分离斑块进行合并，提高检测采砂点位数量的准确度，并对不同期采砂斑块进行叠加分析，确定变化的区域。

如图3所示，本发明的河湖岸线采砂监测分析装置，至少包括卫星影像获取单元1、图像筛选处理单元2、采砂现象检测识别单元3、采砂点位筛选及推送单元4、实地核查信息接收单元5、采砂活动动态分析单元6和采砂报告生成及转发单元7；

卫星影像获取单元1：用于获取监测指挥系统8存储的多光谱遥感影像、河道矢量线，并向图像筛选处理单元提供覆盖面矢量的卫星影像数据、河道管理范围线矢量文件；

图像筛选处理单元2：用于在所述卫星影像数据中筛选待监测区卫星影像数据，并进行掩膜处理，并进行标记处理和分别存储，并向采砂现象检测识别单元提供已标记的掩膜卫星影像数据；

采砂现象检测识别单元3：用于对所述掩膜卫星影像数据进行采砂现象检测识别，并向采砂点位筛选及推送单元、采砂活动动态分析单元提供检测识别结果和所述掩膜卫星影像数据；

采砂点位筛选及推送单元4：用于对所述检测识别结果和掩膜卫星影像数据进行编号，并生成采砂疑似点位的统计报告，接收监测指挥系统8的推送通知，并向外业查勘手机APP、实地核查信息接收单元以及监测指挥系统8 推送统计报告；

实地核查信息接收单元5：用于接收外业查勘手机APP9发送的信息，包括实地核查的采砂点位编号、精确坐标、现场照片信息，并向采砂报告生成及转发单元提供所述信息；

采砂活动动态分析单元6：用于对采砂现象检测识别单元得到的检测识别结果进行两期结果的叠加，并进行相交处理，并向采砂报告生成及转发单元提供所述处理结果；

采砂报告生成及转发单元7：用于生成采砂报告，并向监测指挥系统8 转发所述采砂报告。

所述图像筛选处理单元2接收互联网舆情信息11、群众举报信息12和河湖划界数据10。

本发明的主要发明点在于：

(1)提供图像筛选单元，实现对待监测区卫星影像数据进行快速筛选，选取含有河湖的影像，在筛选的河湖影像基础上进行采砂现象分析，减少后续数据处理的工作量，提高数据处理的效率和精度；

(2)提供采砂现象智能识别单元，实现河湖采砂数据的自动智能信息提取，通过对充分、丰富的采砂影像数据进行采砂检测数据库建立，实现形态多样的采砂现象自动识别与标注，提高了工作效率，节省了工作步骤；

(3)提供采砂活动动态分析单元，实现同一地区不同期影像之间，以及不同期影像智能识别结果之间的对比分析，实现新增采砂现象，采砂现象整改情况等的可视化分析；

(4)提供河湖保护管理范围内采砂点位筛选及推送单元和采砂报告生成及转发单元，分别实现采砂疑似点位的统计报告及采砂分析报告的转发。

本发明河湖岸线采砂监测分析方法及装置，缓解了全国众多河湖采砂监测数据分析对海量数据进行处理的压力，解决河湖采砂监测过程全人工作业效率低的问题。

本发明结合河湖监管的监测需求，确定卫星影像数据获取的时间区间，按照待监测区的范围矢量确定卫星影像数据的获取范围，收集待监测区的已知资料，包括河湖划界数据、互联网舆情信息、群众举报信息等；数据选取确定后，通过USB连接线或网络连接线等将选取的数据存储在服务器设备上，以方便本地数据处理，保护原始数据，对卫星影像数据进行数据格式转换和影像裁剪，将影像裁剪到满足采砂现象检测识别单元达到高精度效果的输入尺寸要求，经处理后获得疑似采砂点位信息，形成疑似采砂现象分析报告，将采砂卫星影像数据与采砂现象分析报告一同通过有线通讯线缆或无线连接发送到监测管理系统上，同时也可以通过4G传输设备或WIFI将疑似采砂现象分析报告转发到手机APP上，供水利部门实地核查。上述工作过程中，数据获取单元和数据筛选处理单元均为现有产品，采砂活动动态分析单元相关的功能、数据传输方式和接口需自行设计，相关的程序控制方式和电池电源供电方式是本领域技术人员容易实现的。

其中，采砂活动动态分析单元是采用如下技术方案实现的，具体如图2 所示，包括：

卫星影像获取S1：在卫星资源应用中心获取多光谱遥感影像，以待监测区河道矢量线为选取标准，将线矢量转换为2km宽的面矢量，选取覆盖面矢量的卫星影像，选择同一时间序列的影像数据，将面矢量文件、河道管理范围线矢量文件和影像数据存储在服务器上。

图像筛选处理单2：整合互联网舆情和群众举报等信息，进行信息级数据融合，确定河湖疑似问题，根据河湖疑似问题进行定点卫星影像数据筛选；或根据待监测区河道矢量线进行河段选取，通过已有的河湖划界数据确定河湖监管范围，结合实际需要设定监管区域和监管时间条件，选取覆盖该区域、该时间内的卫星影像数据，根据河道管理范围线对卫星影像数据进行掩膜处理，保证仅河道管理范围内的数据参与后期处理，并将筛选的待处理影像和其他影像进行标记处理和分别存储。

采砂现象检测识别S3：选择黄河、长江、淮河、松花江、永定河、西江六条河流的历史影像数据作为样本标注的原始数据，以采砂堆、采砂坑为重点检测目标，对采砂现象边缘进行数据标注，以标注目标体为中心，裁剪出 512*512大小的三通道图像，建立采砂初始样本库，再对图像进行平移、旋转以及2倍和4倍的下采样处理各一次，补充丰富样本库。

以Unet网络为基础网络进行模型训练，设置网络深度为9层。利用采砂初始样本数据集对网络进行预训练，获得信息权重值并调整样本的损失函数值，损失函数使用交叉熵

表示，交叉熵刻画的是通过概率分布q来表达概率分布p的困难程度，p代表正确答案，q代表的是预测值，交叉熵越小，两个概率的分布约接近。用经验模型参数来替换随机初始化参数，在网络训练之前确定良好的初始值，有效避免随机初始化对小样本数据过拟合现象的发生，设置学习率为10^-4，训练周期数为10个周期，进行模型训练。

训练完成后获得采砂检测识别的模型，对待监测区筛选处理后的影像进行采砂现象检测识别测试。测试输入图像的三个通道与样本库的一一对应，经模型检测识别后输出的识别结果为单通道影像，影像的读入和输出都包括地理坐标信息，因此，经过Unet网络检测识别后的采砂信息包括采砂的点位坐标信息和采砂面积信息。

经过智能检测识别处理后的采砂现象图斑存在轮廓曲折，有锯齿状，杂乱的小面积区域多，部分区域有空洞等问题，对采砂现象检测识别结果进行三次B样条曲线近似拟合，剔除小于10像素的小面积区域，空洞填补等优化处理，改善采砂现象识别显示效果。

采砂点位筛选及推送S4：将智能检测识别结果与影像叠加并编号，生成采砂疑似点位的统计报告，人工快速核对筛查，去除明显不是采砂的误检测点，增加未检测到的采砂点，将人工核对结果的点位信息进行第二次序号编辑，在河湖监管平台上经网络推送到外业查勘手机APP上。

实地核查信息接收S5：人工核对并推送的采砂点位需要外业人员进行实地核查，包括实地核查是否为采砂点，拍照取证，精确坐标定位，标记现场标志等，经外业人员实地核查为采砂现象的点位需要将采砂点位编号、精确坐标、现场照片等信息发送到服务器上，并存储在服务器里，由于点位具有编号信息，可以直接将核查结果与智能检测识别结果对应。

对第一期影像的采砂进行智能检测识别，人工核对，实地核查后生成本期影像实际采砂现象的基底数据，以便对新一期影像进行采砂现象动态变化检测。

采砂活动动态分析S6：经过智能检测识别后的结果为单期影像的检测结果，不具有监管要素的变化信息，针对两期影像识别结果的矢量，进行空间分析，由于实际采砂现象面积较大，采沙场内布局复杂，存在水坑、草地、人工活动区等现象，使得检测识别到的采砂斑块易被分离为距离较近的若干块，采用分治方法寻找距离最小的平面点对，将属于同一个采砂场的采砂块合并，分治方法具体步骤是针对平面上n个采砂斑块边缘点，找到其中的一对点，使得在n个点的所有点对中，该点对的距离最小，将该点对的图斑进行合并，迭代使用分治方法，直至距离最小点对间的距离大于20米，采砂区块合并完成。

将两期采砂智能检测识别结果进行叠加，进行相交处理，两期存在交集的斑块作为采砂现象未变化区域，前一期采砂现象未相交的区域为采砂减少的区域，后一期采砂现象未相交的区域为采砂增加的区域，经过叠加分析后获得两期影像采砂动态变化信息。

采砂报告生成及转发S7：经过采砂现象智能检测识别，人工核对，现场核查及两期变化检测等分析，生成采砂分析报告，通过网络传输设备将采砂分析报告进行转发。

以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。

Claims (9)

1.一种河湖岸线采砂监测分析的方法，其特征在于，包括：获取河湖岸线范围的卫星影像数据；根据河湖岸线管理范围线进行数据范围掩膜，并根据时间和空间覆盖情况筛选待处理的卫星影像数据；建立采砂现象识别样本库，并训练模型，利用训练好的模型对所述待处理的卫星影像数据进行采砂现象智能检测识别，并进行采砂现象识别结果的优化处理；对不同期卫星影像数据的采砂现象智能检测识别结果进行叠加分析，获取采砂现象变化情况；对采砂疑似点位向外业查勘APP进行信息的推送，并接收外业核查信息；生成采砂分析报告，并向监测指挥系统进行转发。

2.根据权利要求1所述河湖岸线采砂监测分析的方法，其特征在于，包括以下步骤：

S1卫星影像获取：在卫星资源应用中心获取多光谱遥感影像，以待监测区河道矢量线为选取标准，将线矢量转换为2km宽的面矢量，选取覆盖面矢量的卫星影像，选择同一时间序列的影像数据，将面矢量文件、河道管理范围线矢量文件和影像数据存储在服务器上；

S2图像筛选处理，包括以下步骤：

S21整合互联网舆情和群众举报信息确定河湖疑似问题，根据河湖疑似问题筛选定点卫星影像数据；或

S22根据待监测区河道矢量范围线进行河段选取，通过已有的河湖划界数据确定河湖监管范围，设定监管区域和监管时间条件，筛选覆盖该区域、该时间内的卫星影像数据；

S23根据河道管理范围线对S21或S22得到的影像数据进行掩膜处理，保证仅河道管理范围内的数据参与后期处理，并将筛选的待处理影像和其他影像进行标记处理和分别存储；

S3采砂现象检测识别，包括以下步骤：

S31选择黄河、长江、淮河、松花江、永定河、西江六条河流的历史影像数据作为样本标注的原始数据，以采砂堆、采砂坑为重点检测目标，对采砂现象边缘进行数据标注，建立采砂初始样本库，并通过旋转、重采样操作补充丰富样本库；

S32以Unet网络为基础网络进行模型训练，利用采砂初始样本数据集对网络进行预训练；训练完成后获得采砂检测识别的模型，对待监测区筛选处理后的影像进行采砂现象检测识别测试；

S4采砂点位筛选及推送：将检测识别结果与影像叠加并编号，生成采砂疑似点位的统计报告，人工快速核对筛查，在河湖监管平台上经网络推送到外业查勘手机APP上；

S5实地核查信息接收：人工核对并推送的采砂点位外业人员进行实地核查，包括实地核查是否为采砂点，拍照取证，精确坐标定位，标记现场标志，经外业人员实地核查为采砂现象的点位，将采砂点位编号、精确坐标、现场照片信息发送到服务器，并存储在服务器，直接将核查结果与智能检测识别结果对应；

S6采砂活动动态分析：经过智能检测识别后的结果为单期影像的检测结果，不具有监管要素的变化信息，针对两期影像识别结果的矢量，进行空间分析，采用分治方法进行采砂区块合并，将两期采砂智能检测识别结果进行叠加，进行相交处理，获得两期影像采砂动态变化信息；

S7采砂报告生成及转发：生成采砂分析报告，通过网络传输设备将采砂分析报告进行转发。

3.根据权利要求2所述河湖岸线采砂监测分析的方法，其特征在于，所述S32中，经过Unet网络检测识别后的采砂信息包括采砂的点位坐标信息和采砂面积信息。

4.根据权利要求2所述河湖岸线采砂监测分析的方法，其特征在于，所述S32中还包括采砂现象智能检测的图斑存在轮廓曲折、有锯齿状、存在杂乱的小面积区域、部分区域有空洞时，对采砂现象检测识别结果进行三次B样条曲线近似拟合、小于10像素的小面积区域剔除、空洞填补优化处理，改善采砂现象识别显示效果。

5.根据权利要求2所述河湖岸线采砂监测分析的方法，其特征在于，所述S31中补充丰富样本库采用以标注体为中心，进行512*512大小的裁剪。

6.根据权利要求2所述河湖岸线采砂监测分析的方法，其特征在于，所述S32中，使用Unet网络，采用交叉熵函数作为损失函数，学习率设置为10^-4，训练周围为10个周期。

7.根据权利要求2所述河湖岸线采砂监测分析的方法，其特征在于，所述S6中采用分治方法进行采砂区块合并是指对不同检测斑块寻找距离最小的平面点对，通过设置距离阈值对同一采砂场的分离斑块进行合并，提高检测采砂点位数量的准确度，并对不同期采砂斑块进行叠加分析，确定变化的区域。

8.一种河湖岸线采砂监测分析装置，其特征在于，至少包括卫星影像获取单元(1)、图像筛选处理单元(2)、采砂现象检测识别单元(3)、采砂点位筛选及推送单元(4)、实地核查信息接收单元(5)、采砂活动动态分析单元(6)和采砂报告生成及转发单元(7)；

卫星影像获取单元(1)：用于获取监测指挥系统(8)存储的多光谱遥感影像、河道矢量线，并向图像筛选处理单元提供覆盖面矢量的卫星影像数据、河道管理范围线矢量文件；

图像筛选处理单元(2)：用于在所述卫星影像数据中筛选待监测区卫星影像数据，并进行掩膜处理，并进行标记处理和分别存储，并向采砂现象检测识别单元提供已标记的掩膜卫星影像数据；

采砂现象检测识别单元(3)：用于对所述掩膜卫星影像数据进行采砂现象检测识别，并向采砂点位筛选及推送单元、采砂活动动态分析单元提供检测识别结果和所述掩膜卫星影像数据；

采砂点位筛选及推送单元(4)：用于对所述检测识别结果和掩膜卫星影像数据进行编号，并生成采砂疑似点位的统计报告，接收监测指挥系统(8)的推送通知，并向外业查勘手机APP、实地核查信息接收单元以及监测指挥系统(8)推送统计报告；

实地核查信息接收单元(5)：用于接收外业查勘手机APP(9)发送的信息，包括实地核查的采砂点位编号、精确坐标、现场照片信息，并向采砂报告生成及转发单元提供所述信息；

采砂活动动态分析单元(6)：用于对采砂现象检测识别单元得到的检测识别结果进行两期结果的叠加，并进行相交处理，并向采砂报告生成及转发单元提供所述处理结果；

采砂报告生成及转发单元(7)：用于生成采砂报告，并向监测指挥系统(8)转发所述采砂报告。

9.根据权利要求8所述河湖岸线采砂监测分析装置，其特征在于，所述图像筛选处理单元(2)接收互联网舆情信息(11)、群众举报信息(12)和河湖划界数据(10)。

Images