CN113780057A - 一种闲置土地识别方法及装置 - Google Patents
一种闲置土地识别方法及装置 Download PDFInfo
- Publication number
- CN113780057A CN113780057A CN202110838800.0A CN202110838800A CN113780057A CN 113780057 A CN113780057 A CN 113780057A CN 202110838800 A CN202110838800 A CN 202110838800A CN 113780057 A CN113780057 A CN 113780057A
- Authority
- CN
- China
- Prior art keywords
- land
- identified
- identification result
- idle
- remote sensing
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种闲置土地识别方法及装置。所述方法包括:获取待识别土地、包含待识别土地的遥感影像和待识别土地的土地属性数据;根据待识别土地对应的地块矢量范围对遥感影像进行裁剪处理,得到仅包含地块矢量范围的裁剪遥感影像;将裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由土地类型识别模型输出的待识别土地对应的目标土地识别结果;根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。本发明实施例可以利用遥感监测速度快、覆盖范围广、效率高的优势对闲置土地智能识别,实现土地利用高效监测和动态监管,为推进优化土地利用结构和布局、实施土地内涵挖潜和整治再开发提供数据支撑。
Description
技术领域
本发明涉及地理信息数据分析技术领域,特别是一种闲置土地识别方法及装置。
背景技术
针对土地闲置、土地资源利用率下降、耕地资源减少等一系列问题。应严格控制建设用地总量,提高土地实际利用率,对闲置土地高效、准确的监测监管尤为重要。
而如何对闲置土地高效准确的监测监管是目前亟待解决的问题。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了一种闲置土地识别方法及装置。
本发明的技术解决方案是:
第一方面,本发明实施例提供了一种闲置土地识别方法,包括:
获取待识别土地、包含所述待识别土地的遥感影像和所述待识别土地的土地属性数据;
根据所述待识别土地对应的地块矢量范围对所述遥感影像进行裁剪处理,得到仅包含所述地块矢量范围的裁剪遥感影像;
将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果;
根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。
可选地,在所述将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果之前,还包括:
获取模型训练样本;所述模型训练样本包括:土地遥感影像、所述土地遥感影像包含的多个地块的土地类型;
根据所述多个地块的地块矢量范围对所述土地遥感影像进行裁剪处理,生成所述多个地块对应的地块遥感影像;
将所述地块遥感影像输入至初始土地类型识别模型,并获取由所述初始土地类型识别模型输出的所述多个地块的预测土地类型;
根据所述土地类型和所述预测土地类型,计算得到所述初始土地类型识别模型的损失值;
在所述损失值处于预设范围内的情况下,将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为植被或裸土的识别结果,且所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为已动工类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为植被、建筑物或植被建筑物混合的识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为非闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为植被识别结果,所述目标土地识别结果为植被识别结果时,确定所述待识别土地为疑似闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为建筑物识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为疑似闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为裸土识别结果,所述目标土地识别结果为裸土识别结果时,确定所述待识别土地为待确认的识别结果。
第二方面,本发明实施例提供了一种闲置土地识别方法装置,包括:
待识别土地获取模块,用于获取待识别土地、包含所述待识别土地的遥感影像和所述待识别土地的土地属性数据;
裁剪遥感影像获取模块,用于根据所述待识别土地对应的地块矢量范围对所述遥感影像进行裁剪处理,得到仅包含所述地块矢量范围的裁剪遥感影像;
目标识别结果获取模块,用于将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果;
闲置土地确定模块,用于根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。
可选地,所述装置还包括:
模型训练样本获取模块,用于获取模型训练样本;所述模型训练样本包括:土地遥感影像、所述土地遥感影像包含的多个地块的土地类型;
地块遥感影像生成模块,用于根据所述多个地块的地块矢量范围对所述土地遥感影像进行裁剪处理,生成所述多个地块对应的地块遥感影像;
预测土地类型获取模块,用于将所述地块遥感影像输入至初始土地类型识别模型,并获取由所述初始土地类型识别模型输出的所述多个地块的预测土地类型;
损失值计算模块,用于根据所述土地类型和所述预测土地类型,计算得到所述初始土地类型识别模型的损失值;
土地类型识别模块获取模块,用于在所述损失值处于预设范围内的情况下,将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
已动工土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被或裸土的识别结果,且所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为已动工类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
非闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被、建筑物或植被建筑物混合的识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为非闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
第一疑似闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被识别结果,所述目标土地识别结果为植被识别结果时,确定所述待识别土地为疑似闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
第二疑似闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为建筑物识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为疑似闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
待确认结果确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为裸土识别结果,所述目标土地识别结果为裸土识别结果时,确定所述待识别土地为待确认的识别结果。
本发明与现有技术相比的优点在于:
本发明实施例通过及时收集整理土地利用数据,结合定期更新卫星遥感影像,利用机器学习、遥感影像视觉分析等技术进行分析处理,快速准确地获取闲置土地现状,实现闲置土地的快速智能识别提取,大大提升闲置土地的监管效率。并且,解决了土地供应后监管环节中的准确性、及时性和全面性问题,全面提升了闲置土地的动态管理水平,为土地资源的有效管理和科学决策提供了有力的数据支持和信息服务。
附图说明
图1为本发明实施例提供的一种闲置土地识别方法的步骤流程图;
图2为本发明实施例提供的一种系统结构的示意图;
图3为本发明实施例提供的一种闲置土地判断流程的示意图;
图4为本发明实施例提供的一种闲置土地识别装置的结构示意图。
具体实施方式
为了实现对闲置土地高效、准确的监测监管,本发明实施例充分利用机器学习和遥感影像视觉分析等先进技术,利用遥感监测速度快、覆盖范围广、效率高的优势对闲置土地智能识别,实现土地利用高效监测和动态监管,为推进优化土地利用结构和布局、实施土地内涵挖潜和整治再开发提供数据支撑。
接下来结合附图及下述实施例对本发明提供的方案进行详细描述。
实施例一
参照图1,示出了本发明实施例提供的一种闲置土地识别方法的步骤流程图,如图1所示,该闲置土地识别方法可以包括如下步骤:
步骤101:获取待识别土地、包含所述待识别土地的遥感影像和所述待识别土地的土地属性数据。
本发明实施例可以应用于对土地是否为闲置土地进行识别的场景中。
待识别土地是指需要进行是否为闲置土地识别的某个地块的土地。
待识别土地的遥感影像是指通过卫星拍摄得到的包含待识别土地的地块的遥感影像。
土地属性数据可以包括在上一监测时点监测的待识别土地是否为闲置土地的数据,也即上一监测时点监测的待识别土地的土地类型。
在需要进行土地是否为闲置土地的识别时,可以获取待识别土地,并获取包含待识别土地的遥感影像以及待识别土地的土地属性数据。
在获取到待识别土地、包含待识别土地的遥感影像和待识别土地的土地属性数据之后,执行步骤102。
步骤102:根据所述待识别土地对应的地块矢量范围对所述遥感影像进行裁剪处理,得到仅包含所述地块矢量范围的裁剪遥感影像。
地块矢量范围是指待识别土地所处地块的区域范围。
在获取到包含待识别土地的遥感影像之后,可以根据待识别土地对应的地块矢量范围对遥感影像进行裁剪处理,以得到仅包含地块矢量范围的裁剪遥感影像。
在得到仅包含地块矢量范围的裁剪遥感影像之后,执行步骤103。
步骤103:将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果。
土地类型识别模型是指用于预测土地的土地类型的模型,对于该土地类型识别模型的训练过程可以结合下述具体实现方式进行详细描述。
在本发明的一种具体实现方式中,在上述步骤103之前,还可以包括:
步骤A1:获取模型训练样本;所述模型训练样本包括:土地遥感影像、所述土地遥感影像包含的多个地块的土地类型。
在本发明实施例中,可以预先构建土地利用数据库,在土地利用数据库中包含:供地项目、供应计划、城市住房供地、棚户区改造、异常地块等土地利用及遥感影像数据存入数据库,所述土地利用数据和遥感影像数据包含属性数据、矢量数据、图片\视频等数据。
如图2所示,在本示例提供的系统中可以包括样本训练模块,样本训练模块包括样本管理、样本绘制工具、训练任务管理三个子模块;样本管理用于定义和管理系统可识别的样本类别,系统默认样本类别分为植被、裸土、建筑物、混合(前三个类别混合),样本管理可对样本进行增加、修改、删除操作,选择参与训练的样本区;样本绘制工具用于在选定的影像上勾绘样本区域,并标记样本类型;训练任务管理用于控制训练任务的开始、暂停、结束,查看训练任务进度。
在需要进行土地类型识别模型的训练时,可以通过样本训练模块获取模型训练样本,模型训练样本可以包括:土地遥感影像、土地遥感影像包含的多个地块的土地类型。
在获取到模型训练样本之后,执行步骤A2。
步骤A2:根据所述多个地块的地块矢量范围对所述土地遥感影像进行裁剪处理,生成所述多个地块对应的地块遥感影像。
在获取到模型训练样本之后,可以根据多个地块的地块矢量范围对土地遥感影像进行裁剪处理,以生成多个地块对应的地块遥感影像。
在根据多个地块的地块矢量范围对土地遥感影像进行裁剪处理生成多个地块对应的地块遥感影像之后,执行步骤A3。
步骤A3:将所述地块遥感影像输入至初始土地类型识别模型,并获取由所述初始土地类型识别模型输出的所述多个地块的预测土地类型。
初始土地类型识别模型是指还未进行训练的土地类型识别模型。
在根据多个地块的地块矢量范围对土地遥感影像进行裁剪处理生成多个地块对应的地块遥感影像之后,可以将地块遥感影像输入至初始土地类型识别模型,以对初始土地类型识别模型进行训练,进而可以获取由初始土地类型识别模型输出的多个地块的预测土地类型。
在得到多个地块的预测土地类型之后,执行步骤A4。
步骤A4:根据所述土地类型和所述预测土地类型,计算得到所述初始土地类型识别模型的损失值。
在获取到多个地块的预测土地类型之后,可以根据预先标记的多个地块的土地类型和模型预测的多个地块的预测土地类型,计算得到初始土地类型识别模型的损失值。
在根据土地类型和预测土地类型计算得到初始土地类型识别模型的损失值之后,执行步骤A5。
步骤A5:在所述损失值处于预设范围内的情况下,将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
在计算得到初始土地类型识别模型的损失值之后,可以判断该损失值是否处于预设范围内。
若损失值处于预设范围内,则将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
若损失值未处于预设范围内,则可以结合更多的模型训练样本继续进行模型训练,直至损失值处于预设范围内。
在获取到待识别土地对应的裁剪遥感影像之后,可以将裁剪遥感影像输入至土地类型识别模型,以由土地类型识别模型对裁剪遥感影像进行处理,以得到待识别土地的目标土地识别结果。
在获取到待识别土地对应的目标土地识别结果之后,执行步骤104。
步骤104:根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。
在获取到待识别土地对应的目标土地识别结果之后,可以根据土地属性数据和目标土地识别结果确定出待识别土地是否为闲置土地,具体地,确定过程可以包括以下内容:其中,土地属性数据为待识别土地在上一监测时点的土地识别结果。
1、上一监测时点(如1年前等)识别结果为植被或裸土,当前监测时点识别结果为建筑物,认为已动工;
2、上一监测时点识别结果为植被、建筑物或植被建筑物混合,当前监测时点识别结果为建筑物,系统判断建筑物数量和面积,建筑物数量增加或面积增加的认为已动工,该项目或地块为非闲置土地;
3、上一监测时点识别结果为植被,当前监测时点识别结果依然为植被,认为未动工,系统自动标识为疑似闲置土地;
4、上一监测时点识别结果为建筑物,当前监测时点识别结果依然为建筑物,且建筑物数量或面积无明显变化的认为未动工,系统自动标识为疑似闲置土地;
5、上一监测时点识别结果为裸土,当前监测时点识别结果依然为裸土,由于基坑和基桩通过1米分辨率影像难以准确识别,系统标记为待确认。
本发明充分利用机器学习和遥感影像视觉分析等先进技术,利用遥感监测速度快、覆盖范围广、效率高的优势对闲置土地智能识别,实现土地利用高效监测和动态监管,为推进优化土地利用结构和布局、实施土地内涵挖潜和整治再开发提供数据支撑。
接下来结合图2和图3对本发明实施例的技术方案进行详细描述。
如图2所示,本发明实施例提供的闲置土地识别系统可以包括土地利用数据库、样本训练管理模块、数据预处理模块、智能识别模块和人机交互模块。
一、土地利用数据库
土地利用数据库,用于存储供地项目、供应计划、城市住房供地、棚户区改造、异常地块等土地利用数据和遥感影像数据,数据类型包括属性数据、矢量数据、图片\视频等。
二、数据预处理模块
(1)识别清单管理子模块
根据闲置土地监测业务逻辑及技术要求,对与已供应土地在确认动工之前需进行监测是否按约定时间动工,为了精确监测及提高系统识别效率,系统设计为人工选择需自动监测的项目或地块,系统根据业务人员选择的项目和地块生成监测清单,业务人员可以对监测清单进行添加、删除、清空等操作。
(2)数据提取子模块
数据提取子模块从识别清单中取出第一个地块的矢量数据,使用地块范围从数据库中查找覆盖该地块的时相符合监测时点要求的遥感影像,并按地块名称存放在临时存储目录,然后取下一地块影像,直至取完所有地块影像。
(3)影像裁剪子模块
数据裁剪子模块从识别清单中取出第一个地块的矢量数据,并从临时存储目录中取出对应遥感影像进行裁剪,裁剪后的影像保存在待识别影像目录。
三、样本训练管理模块
(1)样本管理子模块
理论上一个地块的整个生命周期可能会出现土地分类中任何一个类别,但图像识别显然不能识别出这么多分类,因此需要根据业务需要及能识别的程度定义系统可识别的分类,根据建设用地各阶段的影像特征定义为植被、裸土(空地)、建筑物、混合几个类别,说明如下:
植被:地块上通过影像目视为绿色系,可能为树林、草、农作物等,农用地类地块动工之前影像上目视为绿色;
裸土:地块上通过影像目视为裸土色,对应地块土地平整、开挖基坑、打基桩等阶段;
建筑物:地块上通过影像目视为建筑物轮廓特征,颜色有蓝色(多为临时活动板房)、水泥色(多为施工中或已建好)、土红色(可能为厂房或施工中) 等;
混合:主要有植被建筑物混合、植被裸土混合、裸土建筑物混合等。
样本管理主要实现各类样本的浏览、删除等操作。
(2)样本绘制工具
系统提供地块样本绘制工具,主要功能包括图片选择、样本勾绘、样本修改、保存上传等功能,各功能说明如下:
图片选择:可以从数据库中选择或上传图片。
样本勾绘:在打开的图片上勾绘目标区域,标记为系统定义的某个分类(植被、裸土、建筑物),保存后完成一个样本区的勾绘。
样本修改:对已勾绘的样本区可以进行修改。
保存上传:样本区勾绘完成后需要保存上传更新至服务器。
(3)训练任务管理子模块
样本绘制好后需要使用机器学习组件和遥感影像视觉分析组件对样本特征进行识别和训练,提取样本特征形成样本库。
训练任务管理主要实现训练样本选择、任务启动停止、任务监控、识别率检查等功能,各功能说明如下:
训练样本选择:用于从勾绘的所有样本中选择要参与训练的样本。
任务启动停止:选择好训练样本后选择样本对应的类别,开始训练;训练过程中如果由于某种原因需要停止训练可以终止此次训练。
任务监控:用于训练过程的监控,已进度条的形式显示训练进度,已开始时间、预计结束时间等信息。
识别率检查:样本训练完成后可以手动选择一个或多个图片进行识别,人工检查效果十分符合预期,如果效果不符合要求可以增加或更换样本重新进行训练。
四、智能识别模块
(1)逻辑控制与判断子模块
对于加入监测清单的项目和地块系统自动读取约定动工时间,从遥感影像数据库中查找该项目或地块范围对应时期的影像自动裁剪保存为监测本底影像,并自动识别该时期地块的土地类别(植被、裸土、建筑物等),保存为监测本底土地类别。
根据监测技术要求,系统在某地块约定动工日期1年后自动从数据库中查找该地块对应时期影像并自动识别,识别判断流程见图3,说明如下:
1)上一监测时点(1年前)识别结果为植被或裸土,当前监测时点识别结果为建筑物,认为已动工,经人工核实后从监测清单中移除,并设置该项目或地块为非闲置土地。
2)上一监测时点(1年前)识别结果为植被、建筑物或植被建筑物混合,当前监测时点识别结果为建筑物,系统判断建筑物数量和面积,建筑物数量增加或面积增加的认为已动工,经人工核实后从监测清单中移除,并设置该项目或地块为非闲置土地。
3)上一监测时点(1年前)识别结果为植被,当前监测时点识别结果依然为植被,认为未动工,系统自动标识为疑似闲置土地,经人工核实后标记该项目或地块为闲置土地,并提示已闲置几年,提醒业务人员进行处置。
4)上一监测时点(1年前)识别结果为建筑物,当前监测时点识别结果依然为建筑物,且建筑物数量或面积无明显变化的认为未动工,系统自动标识为疑似闲置土地,经人工核实后标记该项目或地块为闲置土地,并提示已闲置几年,提醒业务人员进行处置。
5)上一监测时点(1年前)识别结果为裸土,当前监测时点识别结果依然为裸土,由于基坑和基桩通过1米分辨率影像难以准确识别,系统标记为待确认,提醒业务人员现场核查。
(2)机器学习组件
主要是机器学习的基础框架、数据获取与存储组件、GPU与CPU调度组件等。
(3)遥感影像视觉分析组件
针对遥感大数据的神经网络视觉分析算法模型库。
五、人机交互模块
(1)识别结果展示子模块
识别结果展示主要包括识别结果显示和查询,识别结果信息包括行政区划、项目名称或宗地编号、土地主要用途、项目状态、识别类型、认定人、处置方式、处置状态等。支持地图定位,可以点击某个项目或地块直接定位到地图,便于业务人员直观查看该项目或地块的位置信息,以及周边情况。
识别类型分为已动工、疑似闲置土地、待确认,说明如下:
已动工:系统自动识别某项目或地块已动工,生成提醒信息供业务人员确认。
疑似闲置土地:系统自动识别某项目或地块为疑似闲置土地后生成预警信息供业务人员处置。
待确认:系统自动识别无法判断时生成待确认信息提醒业务人员进行现场核查。
(2)任务控制子模块
识别清单中的各项目和地块业务人员可以对其进行停止、开始、删除、设置监测间隔等操作,系统默认的监测时间起点为项目或地块约定动工时间,下一监测时点为1年后,业务人员也可以根据需要修改监测间隔,某项目或地块监测时点提前1个月系统会提示用户收集影像并入库,如在监测时点系统找不到所需影像则提示无影像,提示业务人员进行现场核查。
(3)确认与认定子模块
确认与认定包括疑似闲置土地的认定和待确认土地的确认,业务人员可以对系统自动识别的疑似闲置土地进行认定,某地块确认为闲置土地后可以根据监管要求进行处置,系统通过遥感影像难以准确识别的地块业务人员可以通过现场确认进行核实,现场核查的照片可以上传至系统作为证明材料。
实施例二
参照图4,示出了本发明实施例提供的一种闲置土地识别装置的结构示意图,如图4所示,该闲置土地识别装置可以包括如下模块:
待识别土地获取模块410,用于获取待识别土地、包含所述待识别土地的遥感影像和所述待识别土地的土地属性数据;
裁剪遥感影像获取模块420,用于根据所述待识别土地对应的地块矢量范围对所述遥感影像进行裁剪处理,得到仅包含所述地块矢量范围的裁剪遥感影像;
目标识别结果获取模块430,用于将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果;
闲置土地确定模块440,用于根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。
可选地,所述装置还包括:
模型训练样本获取模块,用于获取模型训练样本;所述模型训练样本包括:土地遥感影像、所述土地遥感影像包含的多个地块的土地类型;
地块遥感影像生成模块,用于根据所述多个地块的地块矢量范围对所述土地遥感影像进行裁剪处理,生成所述多个地块对应的地块遥感影像;
预测土地类型获取模块,用于将所述地块遥感影像输入至初始土地类型识别模型,并获取由所述初始土地类型识别模型输出的所述多个地块的预测土地类型;
损失值计算模块,用于根据所述土地类型和所述预测土地类型,计算得到所述初始土地类型识别模型的损失值;
土地类型识别模块获取模块,用于在所述损失值处于预设范围内的情况下,将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块440包括:
已动工土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被或裸土的识别结果,且所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为已动工类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块440包括:
非闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被、建筑物或植被建筑物混合的识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为非闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块440包括:
第一疑似闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被识别结果,所述目标土地识别结果为植被识别结果时,确定所述待识别土地为疑似闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块440包括:
第二疑似闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为建筑物识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为疑似闲置类型的土地。
可选地,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块440包括:
待确认结果确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为裸土识别结果,所述目标土地识别结果为裸土识别结果时,确定所述待识别土地为待确认的识别结果。
本申请所述具体实施方式可以使本领域的技术人员更全面地理解本申请,但不以任何方式限制本申请。因此,本领域技术人员应当理解,仍然对本申请进行修改或者等同替换;而一切不脱离本申请的精神和技术实质的技术方案及其改进,均应涵盖在本申请专利的保护范围中。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (14)
1.一种闲置土地识别方法,其特征在于,包括:
获取待识别土地、包含所述待识别土地的遥感影像和所述待识别土地的土地属性数据;
根据所述待识别土地对应的地块矢量范围对所述遥感影像进行裁剪处理,得到仅包含所述地块矢量范围的裁剪遥感影像;
将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果;
根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。
2.根据权利要求1所述的方法,其特征在于,在所述将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果之前,还包括:
获取模型训练样本;所述模型训练样本包括:土地遥感影像、所述土地遥感影像包含的多个地块的土地类型;
根据所述多个地块的地块矢量范围对所述土地遥感影像进行裁剪处理,生成所述多个地块对应的地块遥感影像;
将所述地块遥感影像输入至初始土地类型识别模型,并获取由所述初始土地类型识别模型输出的所述多个地块的预测土地类型;
根据所述土地类型和所述预测土地类型,计算得到所述初始土地类型识别模型的损失值;
在所述损失值处于预设范围内的情况下,将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
3.根据权利要求1所述的方法,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为植被或裸土的识别结果,且所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为已动工类型的土地。
4.根据权利要求1所述的方法,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为植被、建筑物或植被建筑物混合的识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为非闲置类型的土地。
5.根据权利要求1所述的方法,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为植被识别结果,所述目标土地识别结果为植被识别结果时,确定所述待识别土地为疑似闲置类型的土地。
6.根据权利要求1所述的方法,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为建筑物识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为疑似闲置类型的土地。
7.根据权利要求1所述的方法,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地,包括:
在所述待识别土地在上一监测时点的土地识别结果为裸土识别结果,所述目标土地识别结果为裸土识别结果时,确定所述待识别土地为待确认的识别结果。
8.一种闲置土地识别方法装置,其特征在于,包括:
待识别土地获取模块,用于获取待识别土地、包含所述待识别土地的遥感影像和所述待识别土地的土地属性数据;
裁剪遥感影像获取模块,用于根据所述待识别土地对应的地块矢量范围对所述遥感影像进行裁剪处理,得到仅包含所述地块矢量范围的裁剪遥感影像;
目标识别结果获取模块,用于将所述裁剪遥感影像输入至预先训练的土地类型识别模型,并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果;
闲置土地确定模块,用于根据所述土地属性数据和所述目标土地识别结果,确定所述待识别土地是否为闲置土地。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
模型训练样本获取模块,用于获取模型训练样本;所述模型训练样本包括:土地遥感影像、所述土地遥感影像包含的多个地块的土地类型;
地块遥感影像生成模块,用于根据所述多个地块的地块矢量范围对所述土地遥感影像进行裁剪处理,生成所述多个地块对应的地块遥感影像;
预测土地类型获取模块,用于将所述地块遥感影像输入至初始土地类型识别模型,并获取由所述初始土地类型识别模型输出的所述多个地块的预测土地类型;
损失值计算模块,用于根据所述土地类型和所述预测土地类型,计算得到所述初始土地类型识别模型的损失值;
土地类型识别模块获取模块,用于在所述损失值处于预设范围内的情况下,将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
10.根据权利要求8所述的装置,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
已动工土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被或裸土的识别结果,且所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为已动工类型的土地。
11.根据权利要求8所述的装置,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
非闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被、建筑物或植被建筑物混合的识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为非闲置类型的土地。
12.根据权利要求8所述的装置,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
第一疑似闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为植被识别结果,所述目标土地识别结果为植被识别结果时,确定所述待识别土地为疑似闲置类型的土地。
13.根据权利要求8所述的装置,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
第二疑似闲置土地确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为建筑物识别结果,所述目标土地识别结果为建筑物识别结果时,确定所述待识别土地为疑似闲置类型的土地。
14.根据权利要求8所述的装置,其特征在于,所述土地属性数据包括所述待识别土地在上一监测时点的土地识别结果,
所述闲置土地确定模块包括:
待确认结果确定单元,用于在所述待识别土地在上一监测时点的土地识别结果为裸土识别结果,所述目标土地识别结果为裸土识别结果时,确定所述待识别土地为待确认的识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838800.0A CN113780057A (zh) | 2021-07-23 | 2021-07-23 | 一种闲置土地识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838800.0A CN113780057A (zh) | 2021-07-23 | 2021-07-23 | 一种闲置土地识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780057A true CN113780057A (zh) | 2021-12-10 |
Family
ID=78835943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110838800.0A Pending CN113780057A (zh) | 2021-07-23 | 2021-07-23 | 一种闲置土地识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780057A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272853A (zh) * | 2022-07-27 | 2022-11-01 | 清华大学 | 基于人工智能技术与大数据的工业废弃地识别方法及产品 |
CN116129202A (zh) * | 2023-04-20 | 2023-05-16 | 北京新兴科遥信息技术有限公司 | 存量用地分析方法、装置和存储介质 |
CN117746259A (zh) * | 2024-02-19 | 2024-03-22 | 湖南省第二测绘院 | 一种基于地图引擎的耕地监管方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020050217A (ko) * | 2002-06-05 | 2002-06-26 | 주용수 | 지리정보시스템을 이용한 대지 데이터베이스 구축 및 관리방법 |
US20150371161A1 (en) * | 2013-01-30 | 2015-12-24 | The Board Of Trustees Of The University Of Illinois | System and methods for identifying, evaluating and predicting land use and agricultural production |
CN106600046A (zh) * | 2016-12-09 | 2017-04-26 | 东南大学 | 基于多分类器融合的土地闲置预测方法及装置 |
CN110175537A (zh) * | 2019-05-10 | 2019-08-27 | 深圳大学 | 一种融合多源遥感指标评估土地退化状况的方法及系统 |
CN110705449A (zh) * | 2019-09-27 | 2020-01-17 | 佛山科学技术学院 | 一种土地利用变化遥感监测分析方法 |
CN111259840A (zh) * | 2020-01-21 | 2020-06-09 | 中南民族大学 | 土地占用预警方法、装置、设备和存储介质 |
CN112782101A (zh) * | 2021-01-25 | 2021-05-11 | 深圳市工勘岩土集团有限公司 | 基于遥感和地理信息系统的生态环境动态监测及预警方法 |
CN112966548A (zh) * | 2021-01-18 | 2021-06-15 | 中国农业科学院农业信息研究所 | 一种大豆地块识别方法及系统 |
CN112967286A (zh) * | 2021-05-19 | 2021-06-15 | 航天宏图信息技术股份有限公司 | 一种新增建设用地检测方法及装置 |
-
2021
- 2021-07-23 CN CN202110838800.0A patent/CN113780057A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020050217A (ko) * | 2002-06-05 | 2002-06-26 | 주용수 | 지리정보시스템을 이용한 대지 데이터베이스 구축 및 관리방법 |
US20150371161A1 (en) * | 2013-01-30 | 2015-12-24 | The Board Of Trustees Of The University Of Illinois | System and methods for identifying, evaluating and predicting land use and agricultural production |
CN106600046A (zh) * | 2016-12-09 | 2017-04-26 | 东南大学 | 基于多分类器融合的土地闲置预测方法及装置 |
CN110175537A (zh) * | 2019-05-10 | 2019-08-27 | 深圳大学 | 一种融合多源遥感指标评估土地退化状况的方法及系统 |
CN110705449A (zh) * | 2019-09-27 | 2020-01-17 | 佛山科学技术学院 | 一种土地利用变化遥感监测分析方法 |
CN111259840A (zh) * | 2020-01-21 | 2020-06-09 | 中南民族大学 | 土地占用预警方法、装置、设备和存储介质 |
CN112966548A (zh) * | 2021-01-18 | 2021-06-15 | 中国农业科学院农业信息研究所 | 一种大豆地块识别方法及系统 |
CN112782101A (zh) * | 2021-01-25 | 2021-05-11 | 深圳市工勘岩土集团有限公司 | 基于遥感和地理信息系统的生态环境动态监测及预警方法 |
CN112967286A (zh) * | 2021-05-19 | 2021-06-15 | 航天宏图信息技术股份有限公司 | 一种新增建设用地检测方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272853A (zh) * | 2022-07-27 | 2022-11-01 | 清华大学 | 基于人工智能技术与大数据的工业废弃地识别方法及产品 |
CN116129202A (zh) * | 2023-04-20 | 2023-05-16 | 北京新兴科遥信息技术有限公司 | 存量用地分析方法、装置和存储介质 |
CN116129202B (zh) * | 2023-04-20 | 2023-06-09 | 北京新兴科遥信息技术有限公司 | 存量用地分析方法、装置和存储介质 |
CN117746259A (zh) * | 2024-02-19 | 2024-03-22 | 湖南省第二测绘院 | 一种基于地图引擎的耕地监管方法及系统 |
CN117746259B (zh) * | 2024-02-19 | 2024-05-03 | 湖南省第二测绘院 | 一种基于地图引擎的耕地监管方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780057A (zh) | 一种闲置土地识别方法及装置 | |
CN108353770B (zh) | 管理农田的方法、装置和系统、监控农田的方法及装置 | |
US8694454B2 (en) | Methods, apparatus and systems for generating, updating and executing a vegetation control plan | |
CN111369158A (zh) | 一种基于bim的信息化质量管理方法和系统 | |
WO2018207173A1 (en) | System and method for construction 3d modeling and analysis | |
KR102191382B1 (ko) | 통합 물환경 관리 지원을 위한 스마트 조사 서비스 시스템 | |
US8527550B1 (en) | Bridge inspection diagnostic system | |
CN111914767A (zh) | 一种基于多源遥感数据的散乱污企业检测方法及系统 | |
AU2009262952B9 (en) | Methods and apparatus for quality assessment of a field service operation | |
CN114445718A (zh) | 一种湖泊周边建筑物变化识别方法及装置 | |
CN111754084A (zh) | 一种农村建设用地拆旧复垦潜力评估方法及其系统 | |
JP2002015107A (ja) | 危険度推定方法、危険度推定システム、および、危険度推定プログラム | |
CN113656868A (zh) | 基于bim技术的医院建设协同管理平台 | |
CN112465457B (zh) | 监理项目管理方法、系统、装置及计算机存储介质 | |
US11748834B1 (en) | Systems and methods for planning and optimizing the mitigation of potential impacts to critical infrastructure or key resources | |
Biel | Concept of using the BIM technology to support the defect management process | |
Fiorillo et al. | Automated Mapping of the roof damage in historic buildings in seismic areas with UAV photogrammetry | |
CN112381414A (zh) | 一种基于人工智能的辅警管理系统 | |
CN112925866B (zh) | 一种古树名木信息化管理系统及方法 | |
CN112561361B (zh) | 基于bim的工程监理信息化管理方法、系统及存储介质 | |
CN115496399A (zh) | 基于无人机的基坑勘测任务即时更新分配方法及系统 | |
Holland et al. | Detecting changes to topographic features using high resolution imagery | |
CN114896442A (zh) | 一种输电线路图像数据管理系统及方法 | |
CN115268488A (zh) | 一种电力巡检无人机起降点自动生成方法及系统 | |
CN114840622A (zh) | 一种数字管网的构建和管理方法及系统 |
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 |