CN111860626B - 基于无人机遥感和面向对象分类的水土保持监测方法及*** - Google Patents
基于无人机遥感和面向对象分类的水土保持监测方法及*** Download PDFInfo
- Publication number
- CN111860626B CN111860626B CN202010637419.3A CN202010637419A CN111860626B CN 111860626 B CN111860626 B CN 111860626B CN 202010637419 A CN202010637419 A CN 202010637419A CN 111860626 B CN111860626 B CN 111860626B
- Authority
- CN
- China
- Prior art keywords
- detection
- water
- soil
- aerial vehicle
- unmanned aerial
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
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)
- Image Processing (AREA)
Abstract
本发明涉及水土检测的技术领域,尤其是涉及一种基于无人机遥感和面向对象分类的水土保持监测方法及***,其方法包括以下步骤:S10:获取历史水土检测图像,则对所述历史水土检测图像进行切分,得到待分析图像;S20:分别获取所述待分析图像对应的水土检测结果,并根据所述水土检测结果对所述待分析图像进行分类,根据分类结果得到对应的待决策图像;S30:根据所述分类结果对所述待决策图像进行评分,对所述评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据;S40:从所述重点检测数据中获取无人机检测信息,并根据所述无人机检测信息触发水土保持检测消息。本发明具有提升水土保持检测的效率的效果。
Description
技术领域
本发明涉及水土检测的技术领域,尤其是涉及一种基于无人机遥感和面向对象分类的水土保持监测方法及***。
背景技术
目前,水土保持(soilandwaterconservation)是防治水土流失,保护、改良和合理利用水土资源,建立良好生态环境的工作。无人机就是一种不载人的由远程控制的可飞行设备,而无人机技术,就是通过无线电控制以及终端设备程序设定从而实现任务的一种技术,该技术的实现主要由地面控制***、飞行***以及任务***三个部分协同实现。
公开号为CN107844802A的中国发明专利申请,公开了一种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,包括以无人机搭载可见光相机对水土保持监测目标区域拍摄,采集控制点;对原始影像照片进行坐标系配准、区域整体平差和多视角影像密集匹配,生成密集点云,再进一步生成TIN三角网,通过纹理贴图,生成待检测区域的真实三维模型;对三维模型进行计算和分割,得出适合水土保持监测目标区域实际最优的分割尺度;确定参与面向对象分类的特征参数指标,进行监督分类和提取;采用基于位置信息的精度评价方法和混淆矩阵,计算总分类精度和Kappa系数,对模型的分类精度进行评价。本发明适用于水土保持监测。解决现有监测方法都存在适用性较差,工作效率低的问题。
上述中的现有技术方案存在以下缺陷:
对于长期检测水土保持的工程项目中,在检测到水土流失的情况时,需要针对水土流失的具体情况进行处理,在处理完成后需要周期性的地重复对该地区进行检测,从而影响了工作效率,因此还有改善空间。
发明内容
本发明的目的是提供一种提升水土保持检测的效率的基于无人机遥感和面向对象分类的水土保持监测方法及***。
本发明的上述发明目的一是通过以下技术方案得以实现的:
一种基于无人机遥感和面向对象分类的水土保持监测方法,所述基于无人机遥感和面向对象分类的水土保持监测方法包括以下步骤:
S10:获取历史水土检测图像,则对所述历史水土检测图像进行切分,得到待分析图像;
S20:分别获取所述待分析图像对应的水土检测结果,并根据所述水土检测结果对所述待分析图像进行分类,根据分类结果得到对应的待决策图像;
S30:根据所述分类结果对所述待决策图像进行评分,对所述评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据;
S40:从所述重点检测数据中获取无人机检测信息,并根据所述无人机检测信息触发水土保持检测消息。
通过采用上述技术方案,通过对历史水土检测图像进行切分,能够对每一个待分析图像进行分布式且针对性地分析,有利于提升分析的效率和精度;通过使用每个待分析图像的水土检测结果对待分析图像进行分类,并根据分类结果对待决策图像进行相应的标记,能够得出重点检测数据;通过根据重点检测数据触发对应的水土保持检测消息,能够对水土流失情况比较严重的区域重点检测,从而无需对整个水土保持的区域重复检测,也保证了检测的针对性和提升检测的效率。
本发明在一较佳示例中可以进一步配置为:步骤S10包括:
S11:从所述历史水土检测图像中获取水土检测区域图,从所述水土检测区域获取区域特征信息;
S12:根据所述区域特征信息对所述历史水土检测图像进行切分,得到所述待分析图像。
通过采用上述技术方案,通过根据区域特征信息对历史水土检测图像进行切分,能够使得得到的待分析图像的特征的完整性,从而提升了后续分析结果的精度。
本发明在一较佳示例中可以进一步配置为:步骤S20包括:
S21:根据所述待分析图像,获取对应的检测指标,根据所述检测指标构建水土保持模拟图;
S22:将所述待分析图像与对应的所述水土保持模拟图进行比对,根据所述比对结果获取对应的水土检测结果。
通过采用上述技术方案,通过使用对应的检测指标,模拟出对应的水土保持模拟图,能够与待分析图像进行对应,通过图片比对的方式,能够更快且更准确地得到水土检测结果,从而提升了分析水土检测结果的效率。
本发明在一较佳示例中可以进一步配置为:步骤S40包括:
S41:从所述重点检测数据中获取无人机检测坐标和对应的无人机检测姿态信息,将所述无人机检测坐标和所述无人机检测姿态信息作为所述无人机检测信息;
S42:根据所述无人机检测坐标和无人机检测姿态信息,触发所述水土保持检测消息。
通过采用上述技术方案,通过获取无人机检测坐标,能够控制无人机前往对应的位置进行检测;通过获取对应的无人机检测姿态信息,能够使无人机检测的结果更精确。
本发明在一较佳示例中可以进一步配置为:步骤S42包括:
S421:根据所述评分对所述重点检测数据设置对应的检测权重,并根据所述检测权重设置循环检测数量;
S422:根据所述循环检测数量,对所述重点检测数据进行检测。
通过采用上述技术方案,通过设置对应的检测权重,通过该检测权重设置对应的循环检测数量,能够根据水土流失的情况,设置对应的检测的工作量,从而提升了检测效率。
本发明的上述发明目的二是通过以下技术方案得以实现的:
一种基于无人机遥感和面向对象分类的水土保持监测***,所述基于无人机遥感和面向对象分类的水土保持监测***包括:
图像切分模块,用于获取历史水土检测图像,则对所述历史水土检测图像进行切分,得到待分析图像;
图像分类模块, 用于分别获取所述待分析图像对应的水土检测结果,并根据所述水土检测结果对所述待分析图像进行分类,根据分类结果得到对应的待决策图像;
标记模块, 用于根据所述分类结果对所述待决策图像进行评分,对所述评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据;
循环检测模块,用于从所述重点检测数据中获取无人机检测信息,并根据所述无人机检测信息触发水土保持检测消息。
通过采用上述技术方案,通过对历史水土检测图像进行切分,能够对每一个待分析图像进行分布式且针对性地分析,有利于提升分析的效率和精度;通过使用每个待分析图像的水土检测结果对待分析图像进行分类,并根据分类结果对待决策图像进行相应的标记,能够得出重点检测数据;通过根据重点检测数据触发对应的水土保持检测消息,能够对水土流失情况比较严重的区域重点检测,从而无需对整个水土保持的区域重复检测,也保证了检测的针对性和提升检测的效率。
综上所述,本发明包括以下至少一种有益技术效果:
1、通过对历史水土检测图像进行切分,能够对每一个待分析图像进行分布式且针对性地分析,有利于提升分析的效率和精度;
2、通过根据重点检测数据触发对应的水土保持检测消息,能够对水土流失情况比较严重的区域重点检测,从而无需对整个水土保持的区域重复检测,也保证了检测的针对性和提升检测的效率;
3、通过使用对应的检测指标,模拟出对应的水土保持模拟图,能够与待分析图像进行对应,通过图片比对的方式,能够更快且更准确地得到水土检测结果,从而提升了分析水土检测结果的效率;
4、通过设置对应的检测权重,通过该检测权重设置对应的循环检测数量,能够根据水土流失的情况,设置对应的检测的工作量,从而提升了检测效率。
附图说明
图1是本发明一实施例中基于无人机遥感和面向对象分类的水土保持监测方法的一流程图;
图2是本发明一实施例中基于无人机遥感和面向对象分类的水土保持监测方法中步骤S10的实现流程图;
图3是本发明一实施例中基于无人机遥感和面向对象分类的水土保持监测方法中步骤S20的实现流程图;
图4是本发明一实施例中基于无人机遥感和面向对象分类的水土保持监测方法中步骤S40的实现流程图;
图5是本发明一实施例中基于无人机遥感和面向对象分类的水土保持监测方法中步骤S42的实现流程图;
图6是本发明一实施例中基于无人机遥感和面向对象分类的水土保持监测装置的一原理框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一:
在一实施例中,如图1所示,本发明公开了一种基于无人机遥感和面向对象分类的水土保持监测方法,具体包括如下步骤:
S10:获取历史水土检测图像,则对历史水土检测图像进行切分,得到待分析图像。
在本实施例中,历史水土检测图像是指在最近一次利用无人机遥感技术对需要进行水土保持情况进行检测的区域。待分析图像是指需要进行水土保持以及水土流失的情况进行分析的图像。
具体地,在每次对需要进行水土保持情况进行检测的区域采用了无人机遥感技术进行检测之后,得到该历史水土检测图像。具体检测时,可以是通过向无人机终端发送相应的指令,设置对应的飞行高度、航线以及重叠率等参数,使无人机对该区域进行水土保持的检测,从而得到该历史检测图像。
进一步地,获取预设的切分规则,对该历史水土检测图像进行切分后,得到若干张待分析图像。待分析图像的具体张数可以根据历史水土检测图像的尺寸以及切分的规则确定。
S20:分别获取待分析图像对应的水土检测结果,并根据水土检测结果对待分析图像进行分类,根据分类结果得到对应的待决策图像。
在本实施例中,水土检测结果是指通过对待分析图像所代表的区域的水土保持情况进行检测的结果。待决策图像是指需要进行是否需要重点重复检测的判断的图像。
具体地,通过使用对水土保持程度的标准与对应的待分析图像进行检测和分析,从而得到每一张待分析图像的水土检测结果。
进一步地,根据每一张待分析图像对应的水土检测结果对待分析图像进行分类,具体分类的标准可以是按照水土检测结果进行评分,根据评分的结果划分等级,通过划分的等级作为分类的标准,将相同等级对应的待分析图像分为一类,进而得到对应的待决策图像。
S30:根据分类结果对待决策图像进行评分,对评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据。
在本实施例中,重点检测数据是指根据待决策图像对应的区域在水土检测结果的评分,确定需要重新反复进行水土保持的检测的区域。
具体地,预先设置对应的评分标准,并在该评分标准中设置该评分阈值。进一步地,在获取到每一类分类结果对应的评分后,将该评分与对应的评分阈值进行比较,对低于该评分阈值对应的待决策图像进行标记后,得到对应的重点检测数据。
S40:从重点检测数据中获取无人机检测信息,并根据无人机检测信息触发水土保持检测消息。
在本实施例中,无人机检测信息是指在获取历史水土检测图像时,无人机进行拍摄并检测该重点检测数据时的飞行数据。水土保持检测消息是指用于控制无人机对重点检测数据对应的区域进行重复的水土保持检测的数据。
具体地,在通过无人机遥感技术获取历史水土检测图像时,获取该无人机进行航拍的参数,进而将该参数与每一个待分析图像进行对应。进一步地,由于重点检测数据是通过待分析图像进行分类并标记获取得到,因此,通过重点检测数据与对应的待分析图像的关联关系,获取对应的无人机检测信息。
进一步地,在对该重点检测数据对应的区域进行水土保持的处理后,例如改善土壤质量、种植绿植或者其他水土保持相关的手段,触发该水土保持检测消息,用于检测该区域的水土保持的改善情况。
在本实施例中,通过对历史水土检测图像进行切分,能够对每一个待分析图像进行分布式且针对性地分析,有利于提升分析的效率和精度;通过使用每个待分析图像的水土检测结果对待分析图像进行分类,并根据分类结果对待决策图像进行相应的标记,能够得出重点检测数据;通过根据重点检测数据触发对应的水土保持检测消息,能够对水土流失情况比较严重的区域重点检测,从而无需对整个水土保持的区域重复检测,也保证了检测的针对性和提升检测的效率。
在一实施例中,如图2所示,在步骤S10中,即获取历史水土检测图像,则对历史水土检测图像进行切分,得到待分析图像,具体包括如下步骤:
S11:从历史水土检测图像中获取水土检测区域图,从水土检测区域获取区域特征信息。
在本实施例中,水土检测区域图是指需要进行水土保持的区域的平面图。区域特征信息是指该区域的地貌的特征。
具体地,可以在卫星地图中,获取历史水土检测图像对应的水土检测区域图。进一步地,在获取到水土检测区域图后,通过对应的深度学习模型,例如CNN、LSTM等,识别该水土检测区域图的图片特征,作为该区域特征信息。
S12:根据区域特征信息对历史水土检测图像进行切分,得到待分析图像。
进一步地,对该区域特征信息进行相似度比较,对区域特征信息相同或相近,且位置相邻的区域特征信息划分为一类。其中,相似度比较时,通过该区域特征信息建立对应的特征向量,通过余弦相似度算法计算对应的相似度,在判定相近时,是通过设置相似度阈值,例如0.8、0.85或者0.9,对达到该相似度阈值的区域特征信息作为相近。
进一步地,根据对区域特征信息划分的类别作为切分规则,并根据该切分规则对历史水土检测图像进行切分,得到待分析图像。
在一实施例中,如图3所示,在步骤S20中,即分别获取待分析图像对应的水土检测结果,并根据水土检测结果对待分析图像进行分类,根据分类结果得到对应的待决策图像,具体包括如下步骤:
S21:根据待分析图像,获取对应的检测指标,根据检测指标构建水土保持模拟图。
在本实施例中,检测指标是指水体保持的程度的标准。水土保持模拟图是指符合检测标准时的区域应有的地貌的模拟图。
具体地,通过获取对该历史水土检测图像对应的区域的水土保持情况的标准,并按照切分得到待分析图像的标准对该水土保持情况标准进行划分,得到与每个待分析图像对应的检测标准。
进一步地,通过该检测标准,例如应达到的绿植覆盖率,构建与每个待分析图像对应的水土保持模拟图。在构建时,可以通过使用水土检测区域,对该水土检测区域按照切分待分析图像的标准进行区分,得到每个待分析图像对应的区域底图,并在区域底图中根据检测标准模拟出符合该标准时的地貌情况,作为水土保持模型。
S22:将待分析图像与对应的水土保持模拟图进行比对,根据比对结果获取对应的水土检测结果。
具体地,使用图像识别技术,将待分析图像与水土保持模拟图进行比对,将比对结果作为对应的水土检测结果。其中,在比对时,可以是通过图像的相似度比对,将比对得到的相似度值作为水土检测结果,优选地,在比对时,可以预先在水土保持模拟图中选取关键点或关键区域,例如重点种植绿植的区域,并在该关键点或者关键区域比对时,依据实际情况增加拟合值,即增加实际的待分析图像的关键点和关键区域与水土保持模拟图的关键点和关键区域的相似程度对最终得到的水土检测结果的影响,从而使得水土检测结果更精确。
在一实施例中,如图4所示,在步骤S40中,即从重点检测数据中获取无人机检测信息,并根据无人机检测信息触发水土保持检测消息,具体包括如下步骤:
S41:从重点检测数据中获取无人机检测坐标和对应的无人机检测姿态信息,将无人机检测坐标和无人机检测姿态信息作为无人机检测信息。
在本实施例中,无人机检测坐标是指无人机进行图片航拍时,停留的位置。无人机检测姿态信息是指无人机进行航拍时的倾斜角度的信息。
具体地,在重点检测数据中获取无人机在拍摄重点检测数据对应的待分析图像时,停留的位置信息,其中该位置信息通过经纬坐标进行表示,作为无人机检测坐标。并从无人机的存储终端中获取拍摄该重点检测区域数据时的倾斜角度的信息,作为无人机检测姿态信息。
进一步地,将获取得到的无人机检测坐标和无人机检测姿态信息作为无人机检测信息。
S42:根据无人机检测坐标和无人机检测姿态信息,触发水土保持检测消息。
具体地,根据无人机检测坐标和无人机检测姿态信息,触发水土保持检测消息,使无人机在重新对重点检测数据进行检测时,使用相同的位置和姿态进行拍摄,从而保证重新检测得到的结果的准确度。
在一实施例中,如图5所示,在步骤S42中,即根据无人机检测坐标和无人机检测姿态信息,触发水土保持检测消息,具体包括如下步骤:
S421:根据评分对重点检测数据设置对应的检测权重,并根据检测权重设置循环检测数量。
在本实施例中,检测权重是指重点检测数据对应的区域的水土流失的严重程度。循环检测数量是指需要对重点检测数据进行重复检测的数量。
具体地,根据重点检测数据的评分,设置该检测权重,使评分越低的重点检测数据,对应的检测权重越高。
进一步地,获取数值最低的检测权重,并根据实际情况设置该检测权重的循环检测数量,并根据每个重点检测数据之间的检测权重的比值,计算每个重点检测数据对应的循环检测数量。
S422:根据循环检测数量,对重点检测数据进行检测。
具体地,根据每个重点检测数据的循环检测数量,对每个重点检测数据进行检测,其中,每次检测时,预先设置时间阈值,例如7天、10天或14天等,每间隔该时间阈值,对重点检测数量对应的区域进行检测。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二:
在一实施例中,提供一种基于无人机遥感和面向对象分类的水土保持监测***,该基于无人机遥感和面向对象分类的水土保持监测***与上述实施例中基于无人机遥感和面向对象分类的水土保持监测方法一一对应。如图6所示,该基于无人机遥感和面向对象分类的水土保持监测***包括图像切分模块10、图像分类模块20、标记模块30和循环检测模块40。各功能模块详细说明如下:
图像切分模块10,用于获取历史水土检测图像,则对历史水土检测图像进行切分,得到待分析图像;
图像分类模块20, 用于分别获取待分析图像对应的水土检测结果,并根据水土检测结果对待分析图像进行分类,根据分类结果得到对应的待决策图像;
标记模块30, 用于根据分类结果对待决策图像进行评分,对评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据;
循环检测模块40,用于从重点检测数据中获取无人机检测信息,并根据无人机检测信息触发水土保持检测消息。
优选地,图像切分模块10包括:
特征获取子模块11,用于从历史水土检测图像中获取水土检测区域图,从水土检测区域获取区域特征信息;
图像切分子模块12,用于根据区域特征信息对历史水土检测图像进行切分,得到待分析图像。
优选地,图像分类模块20包括:
模拟图构建子模块21,用于根据待分析图像,获取对应的检测指标,根据检测指标构建水土保持模拟图;
检测子模块22,用于将待分析图像与对应的水土保持模拟图进行比对,根据比对结果获取对应的水土检测结果。
优选地,循环检测模块40包括:
参数获取子模块41,用于从重点检测数据中获取无人机检测坐标和对应的无人机检测姿态信息,将无人机检测坐标和无人机检测姿态信息作为无人机检测信息;
循环检测子模块42,用于根据无人机检测坐标和无人机检测姿态信息,触发水土保持检测消息。
优选地,循环检测子模块42包括:
数量设置单元421,用于根据评分对重点检测数据设置对应的检测权重,并根据检测权重设置循环检测数量;
循环检测单元422,用于根据循环检测数量,对重点检测数据进行检测。
关于基于无人机遥感和面向对象分类的水土保持监测***的具体限定可以参见上文中对于基于无人机遥感和面向对象分类的水土保持监测方法的限定,在此不再赘述。上述基于无人机遥感和面向对象分类的水土保持监测***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
Claims (8)
1.一种基于无人机遥感和面向对象分类的水土保持监测方法,其特征在于,所述基于无人机遥感和面向对象分类的水土保持监测方法包括以下步骤:
S10:获取历史水土检测图像,则对所述历史水土检测图像进行切分,得到待分析图像;
S20:分别获取所述待分析图像对应的水土检测结果,并根据所述水土检测结果对所述待分析图像进行分类,根据分类结果得到对应的待决策图像,步骤S20包括:
S21:根据所述待分析图像,获取对应的检测指标,根据所述检测指标构建水土保持模拟图;
S22:将所述待分析图像与对应的所述水土保持模拟图进行比对,根据所述比对结果获取对应的水土检测结果;
S30:根据所述分类结果对所述待决策图像进行评分,对所述评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据;
S40:从所述重点检测数据中获取无人机检测信息,并根据所述无人机检测信息触发水土保持检测消息,其中,所述无人机检测信息是指在获取所述历史水土检测图像时,无人机进行拍摄并检测该重点检测数据时的飞行数据。
2.根据权利要求1所述的基于无人机遥感和面向对象分类的水土保持监测方法,其特征在于,步骤S10包括:
S11:从所述历史水土检测图像中获取水土检测区域图,从所述水土检测区域获取区域特征信息;
S12:根据所述区域特征信息对所述历史水土检测图像进行切分,得到所述待分析图像。
3.根据权利要求1所述的基于无人机遥感和面向对象分类的水土保持监测方法,其特征在于,步骤S40包括:
S41:从所述重点检测数据中获取无人机检测坐标和对应的无人机检测姿态信息,将所述无人机检测坐标和所述无人机检测姿态信息作为所述无人机检测信息;
S42:根据所述无人机检测坐标和无人机检测姿态信息,触发所述水土保持检测消息。
4.根据权利要求3所述的基于无人机遥感和面向对象分类的水土保持监测方法,其特征在于,步骤S42包括:
S421:根据所述评分对所述重点检测数据设置对应的检测权重,并根据所述检测权重设置循环检测数量;
S422:根据所述循环检测数量,对所述重点检测数据进行检测。
5.一种基于无人机遥感和面向对象分类的水土保持监测***,其特征在于,所述基于无人机遥感和面向对象分类的水土保持监测***包括:
图像切分模块,用于获取历史水土检测图像,则对所述历史水土检测图像进行切分,得到待分析图像;
图像分类模块, 用于分别获取所述待分析图像对应的水土检测结果,并根据所述水土检测结果对所述待分析图像进行分类,根据分类结果得到对应的待决策图像,所述图像分类模块包括:
模拟图构建子模块,用于根据所述待分析图像,获取对应的检测指标,根据所述检测指标构建水土保持模拟图;
检测子模块,用于将所述待分析图像与对应的所述水土保持模拟图进行比对,根据所述比对结果获取对应的水土检测结果;
标记模块, 用于根据所述分类结果对所述待决策图像进行评分,对所述评分低于预设的评分阈值对应的待决策图像进行标记,得到重点检测数据;
循环检测模块,用于从所述重点检测数据中获取无人机检测信息,并根据所述无人机检测信息触发水土保持检测消息,其中,所述无人机检测信息是指在获取所述历史水土检测图像时,无人机进行拍摄并检测该重点检测数据时的飞行数据。
6.根据权利要求5所述的基于无人机遥感和面向对象分类的水土保持监测***,其特征在于,所述图像切分模块包括:
特征获取子模块,用于从所述历史水土检测图像中获取水土检测区域图,从所述水土检测区域获取区域特征信息;
图像切分子模块,用于根据所述区域特征信息对所述历史水土检测图像进行切分,得到所述待分析图像。
7.根据权利要求5所述的基于无人机遥感和面向对象分类的水土保持监测***,其特征在于,所述循环检测模块包括:
参数获取子模块,用于从所述重点检测数据中获取无人机检测坐标和对应的无人机检测姿态信息,将所述无人机检测坐标和所述无人机检测姿态信息作为所述无人机检测信息;
循环检测子模块,用于根据所述无人机检测坐标和无人机检测姿态信息,触发所述水土保持检测消息。
8.根据权利要求7所述的基于无人机遥感和面向对象分类的水土保持监测***,其特征在于,所述循环检测子模块包括:
数量设置单元,用于根据所述评分对所述重点检测数据设置对应的检测权重,并根据所述检测权重设置循环检测数量;
循环检测单元,用于根据所述循环检测数量,对所述重点检测数据进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010637419.3A CN111860626B (zh) | 2020-07-04 | 2020-07-04 | 基于无人机遥感和面向对象分类的水土保持监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010637419.3A CN111860626B (zh) | 2020-07-04 | 2020-07-04 | 基于无人机遥感和面向对象分类的水土保持监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860626A CN111860626A (zh) | 2020-10-30 |
CN111860626B true CN111860626B (zh) | 2023-08-29 |
Family
ID=73153074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010637419.3A Active CN111860626B (zh) | 2020-07-04 | 2020-07-04 | 基于无人机遥感和面向对象分类的水土保持监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860626B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949420B (zh) * | 2021-02-07 | 2022-06-14 | 湖北君邦环境技术有限责任公司 | 一种水土保持监测方法、装置、***和可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105464038A (zh) * | 2015-11-13 | 2016-04-06 | 杭州大地科技有限公司 | 一种水土流失分布复核调查方法 |
KR101744662B1 (ko) * | 2016-11-30 | 2017-06-09 | 주식회사 지오스토리 | 초분광영상 기법을 통한 염생식물 분류 시스템 |
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 |
CN109187712A (zh) * | 2018-09-27 | 2019-01-11 | 南京天博环境检测技术有限公司 | 一种移动在线观测大气中富勒烯的方法 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN110309933A (zh) * | 2018-03-23 | 2019-10-08 | 广州极飞科技有限公司 | 植株种植数据测量方法、作业路线规划方法及装置、*** |
CN110806230A (zh) * | 2018-08-06 | 2020-02-18 | 海鹰航空通用装备有限责任公司 | 基于无人机的生态环境监测方法 |
KR20200056068A (ko) * | 2018-11-14 | 2020-05-22 | 이병섭 | Mvs 기반의 무인항공기를 갖춘 객체 추적 시스템 |
-
2020
- 2020-07-04 CN CN202010637419.3A patent/CN111860626B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105464038A (zh) * | 2015-11-13 | 2016-04-06 | 杭州大地科技有限公司 | 一种水土流失分布复核调查方法 |
KR101744662B1 (ko) * | 2016-11-30 | 2017-06-09 | 주식회사 지오스토리 | 초분광영상 기법을 통한 염생식물 분류 시스템 |
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 |
CN110309933A (zh) * | 2018-03-23 | 2019-10-08 | 广州极飞科技有限公司 | 植株种植数据测量方法、作业路线规划方法及装置、*** |
CN110806230A (zh) * | 2018-08-06 | 2020-02-18 | 海鹰航空通用装备有限责任公司 | 基于无人机的生态环境监测方法 |
CN109187712A (zh) * | 2018-09-27 | 2019-01-11 | 南京天博环境检测技术有限公司 | 一种移动在线观测大气中富勒烯的方法 |
KR20200056068A (ko) * | 2018-11-14 | 2020-05-22 | 이병섭 | Mvs 기반의 무인항공기를 갖춘 객체 추적 시스템 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
Non-Patent Citations (1)
Title |
---|
提高遥感监测工作效率的方法分析与探讨;高振宇;门春春;朱玉龙;李腾锟;;国土资源(10) * |
Also Published As
Publication number | Publication date |
---|---|
CN111860626A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11144795B2 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
Moya et al. | Detection of collapsed buildings from lidar data due to the 2016 Kumamoto earthquake in Japan | |
CN108447091A (zh) | 目标定位方法、装置、电子设备及存储介质 | |
CN107092877A (zh) | 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法 | |
CN111666855B (zh) | 基于无人机的动物三维参数提取方法、***及电子设备 | |
CN112818925B (zh) | 一种城市建筑和树冠识别方法 | |
CN108197604A (zh) | 基于嵌入式设备的快速人脸定位跟踪方法 | |
KR102260372B1 (ko) | 토공현장의 디지털맵 생성을 위한 드론 기반 지상기준점 배치 자동화 방법 | |
CN109032174B (zh) | 一种无人机作业航线规划方法以及作业执行方法 | |
CN103500330B (zh) | 一种基于多传感器、多特征融合的半监督的人检测方法 | |
CN106529452B (zh) | 基于建筑三维模型的移动智能终端建筑物快速识别方法 | |
CN111860626B (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及*** | |
CN109657540B (zh) | 枯死树定位方法及*** | |
CN113033386B (zh) | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及*** | |
CN117171533B (zh) | 一种地理测绘作业数据实时采集处理方法及*** | |
CN110636248A (zh) | 目标跟踪方法与装置 | |
CN110059544B (zh) | 一种基于道路场景的行人检测方法和*** | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
Chuanxiang et al. | Automatic detection of aerial survey ground control points based on Yolov5-OBB | |
CN115909094A (zh) | 基于2d图像和视频融合的地下桩基施工进度识别方法 | |
CN111476129A (zh) | 一种基于深度学习的土壤杂质检测方法 | |
CN115631240B (zh) | 大规模场景的视觉定位数据处理方法 | |
CN118219283B (zh) | 基于机器视觉的机器人控制方法及控制*** | |
Hamzah et al. | Visualization of Tree Species Identification Using Mask RCNNs for Tropical Forests in Malaysia | |
Geng et al. | Segmentation of 3D Point Clouds for Weak Texture Ground Plane |
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 |