CN115641370B - 一种基于深度学习的水土保持图像提取管理系统及方法 - Google Patents
一种基于深度学习的水土保持图像提取管理系统及方法 Download PDFInfo
- Publication number
- CN115641370B CN115641370B CN202211440867.XA CN202211440867A CN115641370B CN 115641370 B CN115641370 B CN 115641370B CN 202211440867 A CN202211440867 A CN 202211440867A CN 115641370 B CN115641370 B CN 115641370B
- Authority
- CN
- China
- Prior art keywords
- water
- soil conservation
- soil
- target monitoring
- measure
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 436
- 239000002689 soil Substances 0.000 title claims abstract description 434
- 238000013135 deep learning Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000000605 extraction Methods 0.000 title claims description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 195
- 238000012545 processing Methods 0.000 claims abstract description 89
- 238000012423 maintenance Methods 0.000 claims abstract description 22
- 230000002787 reinforcement Effects 0.000 claims abstract description 16
- 238000012795 verification Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims description 22
- 238000011835 investigation Methods 0.000 claims description 19
- 238000004162 soil erosion Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 239000005018 casein Substances 0.000 description 2
- BECPQYXYKAMYBN-UHFFFAOYSA-N casein, tech. Chemical compound NCCCCC(C(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(CC(C)C)N=C(O)C(CCC(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(C(C)O)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(COP(O)(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(N)CC1=CC=CC=C1 BECPQYXYKAMYBN-UHFFFAOYSA-N 0.000 description 2
- 235000021240 caseins Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及深度学习图像信息管理技术领域，具体为一种基于深度学习的水土保持图像提取管理系统及方法；对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分，设为目标监测单元；利用深度学习对各目标监测区域对应的遥感影像进行图像处理；基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验；辅助维护人员制定措施加固或者措施维修的方案。
Description
技术领域
本发明涉及深度学习图像信息管理技术领域，具体为一种基于深度学习的水土保持图像提取管理系统及方法。
背景技术
水土保持措施，是指对自然因素和人为活动所造成的水土流失现象所采取的预防和治理措施；水土保持措施也是为了防治水土流失，保护、改良与合理利用水土资源，改善生态环境所采取的工程、植物、耕作等技术措施与管理措施的总称；
在实际对水土流失现象实施措施治理的过程中，往往采用多种水土保持措施有机结合的方式，达到坡沟兼治，上下游治理统一治理；
水土保持监测是通过遥感地面定位观测、模拟实验和流域调查、对比分析等途径，全面、系统、准确地掌握水土流失现状、水土流失成因、治理措施及产生的效益的一项工程；因为水土保持措施之间在构建初期，多数都是存在配合关系的，所以对水土保持措施实施水土保持监测的时候，不能对水土保持措施进行单一性、隔绝式的分析。
发明内容
本发明的目的在于提供一种基于深度学习的水土保持图像提取管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于深度学习的水土保持图像提取管理方法，方法包括：
步骤S100：采集各目标监测区域的遥感影像，对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分；一个区域部分对应一个存在水土流失现象的封闭面积；将捕捉到的各区域部分设为对应各目标监测区域的目标监测单元；一个目标监测区域存在至少一个目标监测单元；
步骤S200：根据在各目标监测区域内，各目标监测单元之间的分布情况以及各目标监测单元中各项水土保持措施之间的分布情况，利用深度学习对各目标监测区域对应的遥感影像进行图像处理，分别得到第一处理图像和第二处理图像；
步骤S300：提取所有目标监测区域的第二处理图像，基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；其中，水土保持措施根据治理措施特性的不同分为工程措施类、生物措施类、耕作措施类；其中，在各类措施中均包含有不同项水土保持措施；
步骤S400：基于特征匹配事例，对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验，筛选出在相应监测单元上实际满足相互配合关系的若干水土保持措施；
步骤S500：对各目标监测区域内存在的各项水土保持措施通过提取水土保持图像进行水土保持效果调查；当根据某项水土保持措施对应的调查结果得到的反馈信息为需进行措施加固或者措施维修时，将与某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送，辅助维护人员制定措施加固或者措施维修的方案。
进一步的，步骤S200包括：
步骤S201：将各目标监测区域内存在的若干个目标监测单元，逐一在各目标监测区域的遥感影像中进行识别标记，得到对应各目标监测区域的第一处理图像；
步骤S202：获取在各目标监测区域内构建的各项水土保持措施的地理位置信息，将各项水土保持措施逐一在对应各目标监测区域的第一处理图像中进行区别标记，得到对应各目标监测区域的第二处理图像；
上述进行图像处理是为了实现通过图像的方式，直观体现出一些水土保持措施项在存在水土流失现象的封闭面积上的分布情况；对于一个存在水土流失现象的封闭面积内，若同时同在多项水土保持措施，可以合理的理解为，基于这个封闭面积内出现的水土流失现象，需要靠多项水土保持措施共同达到治理的效果。
进一步的，步骤S300中捕捉特征匹配事例，对存在相互配合关系的水土保持措施进行初步识别判断的过程包括：
步骤S301：提取所有目标监测区域的第二处理图像，对在各个目标监测单元中存在的水土保持措施进行个数排查；若在某个目标监测单元中，分布有两项或两项以上的水土保持措施，初步判断两项或两项以上的水土保持措施在某个目标监测单元中存在相互配合关系；
步骤S302：若某个目标监测单元中，有且仅有一项水土保持措施；采集目标监测单元的遥感数据和遥感影像，提取目标监测单元的各项水土流失指标；其中，各项水土流失指标包括水土流失类型、水土流失强度、产生水土流失的各项因素占比；将各项水土流失指标进行信息汇总，得到对应目标监测单元的水土流失指标集合；
步骤S303：将有且仅有的一项水土保持措施与水土流失指标集合之间建立链接；将在每一链接中的水土保持措施设为
，与水土保持措施
对应的水土流失指标集合设为
，其中，
；其中，
表示水土流失类型；
表示水土流失强度；
表示产生水土流失的各项因素占比；从每一链接中提取匹配事例：
；对每一匹配事例计算重复率
；其中，
表示第i个匹配事例；
表示匹配事例
出现的总次数；
表示匹配事例总数；设重复率阈值，捕捉重复率大于重复率阈值的匹配事例，将匹配事例设为特征匹配事例；
上述提取捕捉匹配事例和特征匹配事例，相当于是捕捉在水土保持措施构建上出现的规律性现象，若是一项水土保持措施与一种水土流失指标信息之间总是规律性出现，可以合理的理解为，在治理具有上述一种水土流失指标信息的水土流失面积时，构建上述项的水土保持措施往往足以起到水土流失治理的效果，为了后续在判断和校验若干项水土保持措施之间存在的相互配合关系进行技术铺垫，最后达到提高水土保持监测效率的效果。
进一步的，步骤S400包括：
步骤S401：若初步判断结果显示，存在水土保持措施
在某个目标监测单元A上存在相互配合关系；其中
分别表示在某个目标监测单元A中，共同存在的第1，2，k项水土保持措施；分别对水土保持措施
进行遥感数据和遥感影像的采集，获取每项水土保持措施对应的水土保持面积；将各水土保持面积在目标监测单元A对应的遥感影像中进行面积标记显示，得到第三处理图像；
步骤S402：基于第三处理图像中，分别捕捉水土保持面积不独立的水土保持措施；其中，水土保持面积不独立的水土保持措施是指，对应的水土保持面积与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积大于或等于重叠面积阈值的水土保持措施；
步骤S403：将水土保持面积独立的水土保持措施分为两类，第一类水土保持措施是指，未与其他水土保持措施对应的水土保持面积之间出现重叠面积的水土保持措施；第二类水土保持措施是指，与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积小于重叠面积阈值的水土保持措施；
步骤S404：对所有特征匹配事例进行排查；逐一提取水土保持面积独立的水土保
持措施，若存在某一水土保持措施
，
对应的水土保持面积为S
；若
属于第一类水土
保持措施，获取得到水土保持面积S
对应的区域范围在水土保持措施
构建完成前的水
土流失指标集合为
，当水土保持措施
与水土流失指标集合
之
间构建得到的匹配事例
属于特征匹配事例时，将水土保持措施
从
中剔除；若
属于第二类水土保持措施，累计与水土保持措施
在水土保持
面积上存在重叠面积的其他水土保持措施的总项数，当总项数小于项数阈值时，将水土保
持措施
从
中剔除；
在上述内容，将各措施在对应的水土保持面积之间出现的重叠面积，作为对各措施进行相互配合关系的判断和校验，是因为在实际水土流失治理的过程中，若两项措施对应的水土保持面积出现的重叠面积上越大，说明对于在重叠面积上，两项措施之间存在相互配合治理的可能性越大。
进一步的，步骤S500包括：
步骤S501：当根据某项水土保持措施对应的调查结果得到的反馈信息为需进行措施加固或者措施维修时，系统自动捕捉与某项水土保持措施之间满足相互配合关系的其他水土保持措施；
步骤S502：分别获取其他水土保持措施与某项水土保持措施之间在水土保持面积上存在的重叠面积大小；按照重叠面积从大到小，对其他水土保持措施进行优先排序，得到措施序列；
步骤S502：逐一对措施序列内各项水土保持措施进行水土保持图像和水土保持效果调查的结果提取，辅助维护人员制定对某项水土保持措施进行措施加固或者措施维修的方案。
为更好的实现上述方法，还提出了一种基于深度学习的水土保持图像提取管理系统，系统包括：信息采集处理模块、图像处理模块、特征匹配事例捕捉模块、关系识别判断模块、关系校验模块、水土保持措施监测模块、图像信息提取管理模块；
信息采集处理模块，用于采集各目标监测区域的遥感影像，对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分；一个区域部分对应一个存在水土流失现象的封闭面积；将捕捉到的各区域部分设为对应各目标监测区域的目标监测单元；一个目标监测区域存在至少一个目标监测单元；
图像处理模块，用于接收信息采集处理模块中的数据，根据在各目标监测区域内，各目标监测单元之间的分布情况以及各目标监测单元中各项水土保持措施之间的分布情况，利用深度学习对各目标监测区域对应的遥感影像进行图像处理，分别得到第一处理图像和第二处理图像；
特征匹配事例捕捉模块，用于接收图像处理模块中的数据，基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；
关系识别判断模块，用于接收图像处理模块中的数据，对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；其中，将水土保持措施根据治理措施特性的不同分为工程措施类、生物措施类、耕作措施类；其中，在各类措施中均包含有不同项水土保持措施；
关系校验模块，用于接收关系识别判断模块中的数据，对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验，筛选出在相应监测单元上实际满足相互配合关系的若干水土保持措施；
水土保持措施监测模块，用于对各目标监测区域内存在的各项水土保持措施通过提取水土保持图像进行水土保持效果调查，实现对各水土保持措施的效果监测；
图像信息提取管理模块，用于接收水土保持措施监测模块、关系校验模块、信息采集处理模块、特征匹配事例捕捉模块中的数据，当需对某项水土保持措施进行措施加固或者措施维修时，将与某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送，辅助维护人员制定措施加固或者措施维修的方案；
上述将与某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送的是因为，随着一项水土保持措施出现了问题，与该水土保持措施之间存在相互配合关系的其他水土保持措施在水土流失治理上承担的压力增大，伴随出现问题的可能性也增大，单一的对出现问题的水土保持措施实施加固或者维护，往往不能实现最大的治理效果；且逐一对各项水土保持措施进行水土保持监测和排查是个大工程，利用措施之间存在的相互配合关系，可以提高水土保持监测的效率。
进一步的，图像处理模块包括第一图像处理单元、第二图像处理单元；
第一图像处理单元，用于将各目标监测区域内存在的若干个目标监测单元，逐一在各目标监测区域的遥感影像中进行识别标记，得到对应各目标监测区域的第一处理图像；
第二图像处理单元，用于接收第一图像处理单元中的数据，获取在各目标监测区域内构建的各项水土保持措施的地理位置信息，将各项水土保持措施逐一在对应各目标监测区域的第一处理图像中进行区别标记，得到对应各目标监测区域的第二处理图像。
进一步的，特征匹配事例捕捉模块包括匹配事例提取单元、特征匹配事例捕捉单元；
匹配事例提取单元，用于在有且仅有一项水土保持措施的目标监测单元，提取水土保持措施与水土流失指标之间的匹配事例；
特征匹配事例捕捉单元，用于接收匹配事例提取单元中的数据，在数据中进行特征匹配事例的捕捉。
进一步的，关系校验模块包括第一校验单元、第二校验单元；
第一校验单元，用于对水土保持面积独立的水土保持措施中，未与其他水土保持措施对应的水土保持面积之间出现重叠面积的水土保持措施进行配合关系校验；
第二校验单元，用于对水土保持面积独立的水土保持措施中，与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积小于重叠面积阈值的水土保持措施进行配合关系校验。
与现有技术相比，本发明所达到的有益效果是：本发明兼顾了在实际对水土流失现象实施措施治理的时候，往往存在采用多种水土保持措施有机结合的方式对一个存在水土流失现象的区域进行水土流失治理的现象；避免了在对各项水土保持措施实施水土保持监测的时候，出现隔绝式的分析，同时提高了在对各项保持水土保持措施进行水土保持监测过程中的效率，辅助维护人员得到全面的水土保持措施维护方案。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于深度学习的水土保持图像提取管理方法的流程示意图；
图2是本发明一种基于深度学习的水土保持图像提取管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种基于深度学习的水土保持图像提取管理方法，方法包括：
步骤S100：采集各目标监测区域的遥感影像，对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分；一个区域部分对应一个存在水土流失现象的封闭面积；将捕捉到的各区域部分设为对应各目标监测区域的目标监测单元；一个目标监测区域存在至少一个目标监测单元；
步骤S200：根据在各目标监测区域内，各目标监测单元之间的分布情况以及各目标监测单元中各项水土保持措施之间的分布情况，利用深度学习对各目标监测区域对应的遥感影像进行图像处理，分别得到第一处理图像和第二处理图像；
其中，步骤S200包括：
步骤S201：将各目标监测区域内存在的若干个目标监测单元，逐一在各目标监测区域的遥感影像中进行识别标记，得到对应各目标监测区域的第一处理图像；
步骤S202：获取在各目标监测区域内构建的各项水土保持措施的地理位置信息，将各项水土保持措施逐一在对应各目标监测区域的第一处理图像中进行区别标记，得到对应各目标监测区域的第二处理图像；
步骤S300：提取所有目标监测区域的第二处理图像，基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；其中，将水土保持措施根据治理措施特性的不同分为工程措施类、生物措施类、耕作措施类；其中，在各类措施中均包含有不同项水土保持措施；
其中，步骤S300中捕捉特征匹配事例，对存在相互配合关系的水土保持措施进行初步识别判断的过程包括：
步骤S301：提取所有目标监测区域的第二处理图像，对在各个目标监测单元中存在的水土保持措施进行个数排查；若在某个目标监测单元中，分布有两项或两项以上的水土保持措施，初步判断两项或两项以上的水土保持措施在某个目标监测单元中存在相互配合关系；
步骤S302：若某个目标监测单元中，有且仅有一项水土保持措施；采集目标监测单元的遥感数据和遥感影像，提取目标监测单元的各项水土流失指标；其中，各项水土流失指标包括水土流失类型、水土流失强度、产生水土流失的各项因素占比；将各项水土流失指标进行信息汇总，得到对应目标监测单元的水土流失指标集合；
步骤S303：将有且仅有的一项水土保持措施与水土流失指标集合之间建立链接；将在每一链接中的水土保持措施设为
，与水土保持措施
对应的水土流失指标集合设为
，其中，
；其中，
表示水土流失类型；
表示水土流失强度；
表示产生水土流失的各项因素占比；从每一链接中提取匹配事例：
；对每一匹配事例计算重复率
；其中，
表示第i个匹配事例；
表示匹配事例
出现的总次数；
表示匹配事例总数；设重复率阈值，捕捉重复率大于重复率阈值的匹配事例，将匹配事例设为特征匹配事例；
步骤S400：基于特征匹配事例，对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验，筛选出在相应监测单元上实际满足相互配合关系的若干水土保持措施；
其中，步骤S400包括：
步骤S401：若初步判断结果显示，存在水土保持措施
在某个目标监测单元A上存在相互配合关系；其中
分别表示在某个目标监测单元A中，共同存在的第1，2，k项水土保持措施；分别对水土保持措施
进行遥感数据和遥感影像的采集，获取每项水土保持措施对应的水土保持面积；将各水土保持面积在目标监测单元A对应的遥感影像中进行面积标记显示，得到第三处理图像；
水土保持面积是指采取对应的治理措施后，如构建水平梯田、淤地坝、谷坊、造林种草、封山育林育草等，所累积得到的水土流失治理面积；
步骤S402：基于第三处理图像中，分别捕捉水土保持面积不独立的水土保持措施；其中，水土保持面积不独立的水土保持措施是指，对应的水土保持面积与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积大于或等于重叠面积阈值的水土保持措施；
步骤S403：将水土保持面积独立的水土保持措施分为两类，第一类水土保持措施是指，未与其他水土保持措施对应的水土保持面积之间出现重叠面积的水土保持措施；第二类水土保持措施是指，与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积小于重叠面积阈值的水土保持措施；
步骤S404：对所有特征匹配事例进行排查；逐一提取水土保持面积独立的水土保
持措施，若存在某一水土保持措施
，
对应的水土保持面积为S
；若
属于第一类水土
保持措施，获取得到水土保持面积S
对应的区域范围在水土保持措施
构建完成前的水
土流失指标集合为
，当水土保持措施
与水土流失指标集合
之
间构建得到的匹配事例
属于特征匹配事例时，将水土保持措施
从
中剔除；若
属于第二类水土保持措施，累计与水土保持措施
在水土保持
面积上存在重叠面积的其他水土保持措施的总项数，当总项数小于项数阈值时，将水土保
持措施
从
中剔除；
步骤S500：对各目标监测区域内存在的各项水土保持措施通过提取水土保持图像进行水土保持效果调查；当根据某项水土保持措施对应的调查结果得到的反馈信息为需进行措施加固或者措施维修时，将与某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送，辅助维护人员制定措施加固或者措施维修的方案；
其中，步骤S500包括：
步骤S501：当根据某项水土保持措施对应的调查结果得到的反馈信息为需进行措施加固或者措施维修时，系统自动捕捉与某项水土保持措施之间满足相互配合关系的其他水土保持措施；
步骤S502：分别获取其他水土保持措施与某项水土保持措施之间在水土保持面积上存在的重叠面积大小；按照重叠面积从大到小，对其他水土保持措施进行优先排序，得到措施序列；
步骤S502：逐一对措施序列内各项水土保持措施进行水土保持图像和水土保持效果调查的结果提取，辅助维护人员制定对某项水土保持措施进行措施加固或者措施维修的方案。
为更好的实现上述方法，还提出了一种基于深度学习的水土保持图像提取管理系统，系统包括：信息采集处理模块、图像处理模块、特征匹配事例捕捉模块、关系识别判断模块、关系校验模块、水土保持措施监测模块、图像信息提取管理模块；
信息采集处理模块，用于采集各目标监测区域的遥感影像，对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分；一个区域部分对应一个存在水土流失现象的封闭面积；将捕捉到的各区域部分设为对应各目标监测区域的目标监测单元；一个目标监测区域存在至少一个目标监测单元；
图像处理模块，用于接收信息采集处理模块中的数据，根据在各目标监测区域内，各目标监测单元之间的分布情况以及各目标监测单元中各项水土保持措施之间的分布情况，利用深度学习对各目标监测区域对应的遥感影像进行图像处理，分别得到第一处理图像和第二处理图像；
其中，图像处理模块包括第一图像处理单元、第二图像处理单元；
第一图像处理单元，用于将各目标监测区域内存在的若干个目标监测单元，逐一在各目标监测区域的遥感影像中进行识别标记，得到对应各目标监测区域的第一处理图像；
第二图像处理单元，用于接收第一图像处理单元中的数据，获取在各目标监测区域内构建的各项水土保持措施的地理位置信息，将各项水土保持措施逐一在对应各目标监测区域的第一处理图像中进行区别标记，得到对应各目标监测区域的第二处理图像；
特征匹配事例捕捉模块，用于接收图像处理模块中的数据，基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；
其中，特征匹配事例捕捉模块包括匹配事例提取单元、特征匹配事例捕捉单元；
匹配事例提取单元，用于在有且仅有一项水土保持措施的目标监测单元，提取水土保持措施与水土流失指标之间的匹配事例；
特征匹配事例捕捉单元，用于接收匹配事例提取单元中的数据，在数据中进行特征匹配事例的捕捉；
关系识别判断模块，用于接收图像处理模块中的数据，对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；其中，将水土保持措施根据治理措施特性的不同分为工程措施类、生物措施类、耕作措施类；其中，在各类措施中均包含有不同项水土保持措施；
关系校验模块，用于接收关系识别判断模块中的数据，对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验，筛选出在相应监测单元上实际满足相互配合关系的若干水土保持措施；
其中，关系校验模块包括第一校验单元、第二校验单元；
第一校验单元，用于对水土保持面积独立的水土保持措施中，未与其他水土保持措施对应的水土保持面积之间出现重叠面积的水土保持措施进行配合关系校验；
第二校验单元，用于对水土保持面积独立的水土保持措施中，与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积小于重叠面积阈值的水土保持措施进行配合关系校验；
水土保持措施监测模块，用于对各目标监测区域内存在的各项水土保持措施通过提取水土保持图像进行水土保持效果调查，实现对各水土保持措施的效果监测；
图像信息提取管理模块，用于接收水土保持措施监测模块、关系校验模块、信息采集处理模块、特征匹配事例捕捉模块中的数据，当需对某项水土保持措施进行措施加固或者措施维修时，将与某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送，辅助维护人员制定措施加固或者措施维修的方案。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于深度学习的水土保持图像提取管理方法，其特征在于，方法包括：
步骤S100：采集各目标监测区域的遥感影像，对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分；一个所述区域部分对应一个存在水土流失现象的封闭面积；将捕捉到的各区域部分设为对应所述各目标监测区域的目标监测单元；一个目标监测区域存在至少一个目标监测单元；
步骤S200：根据在各目标监测区域内，各目标监测单元之间的分布情况以及各目标监测单元中各项水土保持措施之间的分布情况，利用深度学习对所述各目标监测区域对应的遥感影像进行图像处理，分别得到第一处理图像和第二处理图像；
步骤S300：提取所有目标监测区域的第二处理图像，基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；
步骤S400：基于所述特征匹配事例，对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验，筛选出在相应监测单元上实际满足相互配合关系的若干水土保持措施；
步骤S500：对各目标监测区域内存在的各项水土保持措施通过提取水土保持图像进行水土保持效果调查；当根据某项水土保持措施对应的调查结果得到的反馈信息为需进行措施加固或者措施维修时，将与所述某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送，辅助维护人员制定措施加固或者措施维修的方案。
2.根据权利要求1所述的一种基于深度学习的水土保持图像提取管理方法，其特征在于，所述步骤S200包括：
步骤S201：将所述各目标监测区域内存在的若干个目标监测单元，逐一在所述各目标监测区域的遥感影像中进行识别标记，得到对应所述各目标监测区域的第一处理图像；
步骤S202：获取在所述各目标监测区域内构建的各项水土保持措施的地理位置信息，将所述各项水土保持措施逐一在对应所述各目标监测区域的第一处理图像中进行区别标记，得到对应所述各目标监测区域的第二处理图像。
3.根据权利要求1所述的一种基于深度学习的水土保持图像提取管理方法，其特征在于，所述步骤S300中捕捉特征匹配事例，对存在相互配合关系的水土保持措施进行初步识别判断的过程包括：
步骤S301：提取所有目标监测区域的第二处理图像，对在各个目标监测单元中存在的水土保持措施进行个数排查；若在某个目标监测单元中，分布有两项或两项以上的水土保持措施，初步判断所述两项或两项以上的水土保持措施在所述某个目标监测单元中存在相互配合关系；
步骤S302：若某个目标监测单元中，有且仅有一项水土保持措施；采集所述目标监测单元的遥感数据和遥感影像，提取所述目标监测单元的各项水土流失指标；其中，所述各项水土流失指标包括水土流失类型、水土流失强度、产生水土流失的各项因素占比；将所述各项水土流失指标进行信息汇总，得到对应所述目标监测单元的水土流失指标集合；
步骤S303：将有且仅有的一项水土保持措施与所述水土流失指标集合之间建立链接；将在每一链接中的水土保持措施设为X，与水土保持措施X对应的水土流失指标集合设为Y，其中，Y＝y1，y2，y3；其中，y1表示水土流失类型；y2表示水土流失强度；y3表示产生水土流失的各项因素占比；从每一链接中提取匹配事例：X→y1，y2，y3；对每一匹配事例计算重复率
其中，ni表示第i个匹配事例；sun（ni）表示匹配事例ni出现的总次数；N表示匹配事例总数；设重复率阈值，捕捉重复率大于所述重复率阈值的匹配事例，将所述匹配事例设为特征匹配事例。
4.根据权利要求3所述的一种基于深度学习的水土保持图像提取管理方法，其特征在于，所述步骤S400包括：
步骤S401：若初步判断结果显示，存在水土保持措施b1,b2,...,bk在某个目标监测单元A上存在相互配合关系；其中b1,b2,…,bk分别表示在所述某个目标监测单元A中，共同存在的第1，2，k项水土保持措施；分别对水土保持措施b1,b2,…,bk进行遥感数据和遥感影像的采集，获取每项水土保持措施对应的水土保持面积；将各所述水土保持面积在目标监测单元A对应的遥感影像中进行面积标记显示，得到第三处理图像；
步骤S402：基于所述第三处理图像中，分别捕捉水土保持面积不独立的水土保持措施；其中，水土保持面积不独立的水土保持措施是指，对应的水土保持面积与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积大于或等于重叠面积阈值的水土保持措施；
步骤S403：将水土保持面积独立的水土保持措施分为两类，第一类水土保持措施是指，未与其他水土保持措施对应的水土保持面积之间出现重叠面积的水土保持措施；第二类水土保持措施是指，与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积小于重叠面积阈值的水土保持措施；
步骤S404：对所有特征匹配事例进行排查；逐一提取水土保持面积独立的水土保持措施，若存在某一水土保持措施bj，bj对应的水土保持面积为Sbj；若bj属于第一类水土保持措施，获取得到水土保持面积Sbj对应的区域范围在水土保持措施bj构建完成前的水土流失指标集合为
当水土保持措施bj与水土流失指标集合
之间构建得到的匹配事例
属于特征匹配事例时，将所述水土保持措施bj从b1,b2,…,bk中剔除；若bj属于第二类水土保持措施，累计与水土保持措施bj在水土保持面积上存在重叠面积的其他水土保持措施的总项数，当总项数小于项数阈值时，将所述水土保持措施bj从b1,b2,…,bk中剔除。
5.根据权利要求1所述的一种基于深度学习的水土保持图像提取管理方法，其特征在于，所述步骤S500包括：
步骤S501：当根据某项水土保持措施对应的调查结果得到的反馈信息为需进行措施加固或者措施维修时，系统自动捕捉与所述某项水土保持措施之间满足相互配合关系的其他水土保持措施；
步骤S502：分别获取所述其他水土保持措施与所述某项水土保持措施之间在水土保持面积上存在的重叠面积大小；按照重叠面积从大到小，对所述其他水土保持措施进行优先排序，得到措施序列；
步骤S502：逐一对所述措施序列内各项水土保持措施进行水土保持图像和水土保持效果调查的结果提取，辅助维护人员制定对所述某项水土保持措施进行措施加固或者措施维修的方案。
6.一种应用于权利要求1-5中任一项的所述基于深度学习的水土保持图像提取管理方法的基于深度学习的水土保持图像提取管理系统，其特征在于，所述系统包括：信息采集处理模块、图像处理模块、特征匹配事例捕捉模块、关系识别判断模块、关系校验模块、水土保持措施监测模块、图像信息提取管理模块；
所述信息采集处理模块，用于采集各目标监测区域的遥感影像，对各目标监测区域捕捉于各项水土保持措施构建完成前存在水土流失现象的区域部分；一个所述区域部分对应一个存在水土流失现象的封闭面积；将捕捉到的各区域部分设为对应所述各目标监测区域的目标监测单元；一个目标监测区域存在至少一个目标监测单元；
所述图像处理模块，用于接收所述信息采集处理模块中的数据，根据在各目标监测区域内，各目标监测单元之间的分布情况以及各目标监测单元中各项水土保持措施之间的分布情况，利用深度学习对所述各目标监测区域对应的遥感影像进行图像处理，分别得到第一处理图像和第二处理图像；
所述特征匹配事例捕捉模块，用于接收所述图像处理模块中的数据，基于在所有第二处理图像内各目标监测单元中呈现的水土保持措施分布信息，捕捉特征匹配事例；
所述关系识别判断模块，用于接收所述图像处理模块中的数据，对在相应监测单元上满足相互配合关系的若干水土保持措施进行初步识别判断；其中，将水土保持措施根据治理措施特性的不同分为工程措施类、生物措施类、耕作措施类；其中，在各类措施中均包含有不同项水土保持措施；
所述关系校验模块，用于接收所述关系识别判断模块中的数据，对初步识别判断结果为在相应监测单元上满足相互配合关系的若干水土保持措施进行关系校验，筛选出在相应监测单元上实际满足相互配合关系的若干水土保持措施；
所述水土保持措施监测模块，用于对各目标监测区域内存在的各项水土保持措施通过提取水土保持图像进行水土保持效果调查，实现对各水土保持措施的效果监测；
所述图像信息提取管理模块，用于接收所述水土保持措施监测模块、关系校验模块、所述信息采集处理模块、特征匹配事例捕捉模块中的数据，当需对某项水土保持措施进行措施加固或者措施维修时，将与所述某项水土保持措施之间存在相互配合关系的其他水土保持措施对应的调查结果和水土保持图像向维护人员推送，辅助维护人员制定措施加固或者措施维修的方案。
7.根据权利要求6所述的一种基于深度学习的水土保持图像提取管理系统，其特征在于，所述图像处理模块包括第一图像处理单元、第二图像处理单元；
所述第一图像处理单元，用于将各目标监测区域内存在的若干个目标监测单元，逐一在各目标监测区域的遥感影像中进行识别标记，得到对应所述各目标监测区域的第一处理图像；
所述第二图像处理单元，用于接收所述第一图像处理单元中的数据，获取在各目标监测区域内构建的各项水土保持措施的地理位置信息，将各项水土保持措施逐一在对应所述各目标监测区域的第一处理图像中进行区别标记，得到对应所述各目标监测区域的第二处理图像。
8.根据权利要求6所述的一种基于深度学习的水土保持图像提取管理系统，其特征在于，所述特征匹配事例捕捉模块包括匹配事例提取单元、特征匹配事例捕捉单元；
所述匹配事例提取单元，用于在有且仅有一项水土保持措施的目标监测单元，提取水土保持措施与水土流失指标之间的匹配事例；
所述特征匹配事例捕捉单元，用于接收所述匹配事例提取单元中的数据，在所述数据中进行特征匹配事例的捕捉。
9.根据权利要求6所述的一种基于深度学习的水土保持图像提取管理系统，其特征在于，所述关系校验模块包括第一校验单元、第二校验单元；
所述第一校验单元，用于对水土保持面积独立的水土保持措施中，未与其他水土保持措施对应的水土保持面积之间出现重叠面积的水土保持措施进行配合关系校验；
第二校验单元，用于对水土保持面积独立的水土保持措施中，与其他水土保持措施对应的水土保持面积之间出现重叠面积，且重叠面积小于重叠面积阈值的水土保持措施进行配合关系校验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211440867.XA CN115641370B (zh) | 2022-11-17 | 2022-11-17 | 一种基于深度学习的水土保持图像提取管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211440867.XA CN115641370B (zh) | 2022-11-17 | 2022-11-17 | 一种基于深度学习的水土保持图像提取管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115641370A CN115641370A (zh) | 2023-01-24 |
| CN115641370B true CN115641370B (zh) | 2023-04-07 |
Family
ID=84947894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211440867.XA Active CN115641370B (zh) | 2022-11-17 | 2022-11-17 | 一种基于深度学习的水土保持图像提取管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115641370B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105004725A (zh) * | 2015-08-04 | 2015-10-28 | 珠江水利委员会珠江水利科学研究院 | 一种水土保持综合治理土壤侵蚀变化量实时定量监测方法 |
| CN113657359A (zh) * | 2021-10-20 | 2021-11-16 | 四川省水利科学研究院 | 基于图像解译技术的水土保持监测方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102609615B (zh) * | 2012-01-20 | 2016-05-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
| CN107844802A (zh) * | 2017-10-19 | 2018-03-27 | 中国电建集团成都勘测设计研究院有限公司 | 基于无人机低空遥感和面向对象分类的水土保持监测方法 |
| CN109934494A (zh) * | 2019-03-13 | 2019-06-25 | 北京航天宏图信息技术股份有限公司 | 一种水土保持监管数据质检方法和系统 |
| US11493496B2 (en) * | 2020-04-30 | 2022-11-08 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method and system for estimating surface runoff based on pixel scale |
| CN115267142B (zh) * | 2022-09-27 | 2022-12-02 | 深圳市深水水务咨询有限公司 | 基于数据分析的水土流失动态监测预警系统及方法 |
-
2022
- 2022-11-17 CN CN202211440867.XA patent/CN115641370B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105004725A (zh) * | 2015-08-04 | 2015-10-28 | 珠江水利委员会珠江水利科学研究院 | 一种水土保持综合治理土壤侵蚀变化量实时定量监测方法 |
| CN113657359A (zh) * | 2021-10-20 | 2021-11-16 | 四川省水利科学研究院 | 基于图像解译技术的水土保持监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115641370A (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bastin et al. | Separating grazing and rainfall effects at regional scale using remote sensing imagery: A dynamic reference-cover method | |
| CN115439099A (zh) | 基于bim模型的施工项目协同监管系统 | |
| CN115127617A (zh) | 用于食用菌仿生态种植的智能管控系统 | |
| CN110223001A (zh) | 一种生态环境修复全过程动态监管方法及系统 | |
| Gevaert et al. | Monitoring household upgrading in unplanned settlements with unmanned aerial vehicles | |
| CN114359745A (zh) | 信息处理方法、存储介质和电子设备 | |
| CN107346516A (zh) | 一种骗保识别数据分析系统及方法 | |
| CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
| CN115937795B (zh) | 一种基于乡村视频获取农事活动记录的方法及装置 | |
| CN117150600B (zh) | 一种用于城市防内涝的屋顶蓄排水控制方法 | |
| CN115641370B (zh) | 一种基于深度学习的水土保持图像提取管理系统及方法 | |
| CN103942739A (zh) | 建筑项目风险知识库的构建方法 | |
| CN103218614A (zh) | 基于流形学习和粗糙集相结合的强对流天气识别方法 | |
| CN118333423A (zh) | 水利工程项目管理智能系统 | |
| CN116912676A (zh) | 一种水浮莲变化检测方法、装置、电子设备及存储介质 | |
| Na et al. | Analysis on Relationships of Safety Risk Factors in Metro Construction. | |
| Jin et al. | A robust inexact type-2 fuzzy sets linear optimization programming for irrigation water system management under uncertainty. | |
| CN113762773B (zh) | 一种灾害监测预报的关联定位分解方法及系统 | |
| CN111639707B (zh) | 一种基于gis技术的土地污染控制方法 | |
| CN118318792B (zh) | 基于图像识别的病猪行为监控方法 | |
| CN116844046B (zh) | 生态监测站点布局方法和装置 | |
| CN111610307A (zh) | 一种水土保持应用分析系统 | |
| CN114926399A (zh) | 基于深度学习和机器视觉的矿用电铲铲斗健康监测方法 | |
| Razaghirad | Urban Tree Canopy Assessment Using Geospatial Technologies: A Case Study of the Town of Lincoln, Ontario | |
| CN118485308A (zh) | 一种用于风险防控的信息管理系统及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |