一种矿山生态修复区地物识别方法、设备及存储介质

本发明涉及地物识别领域，尤其涉及一种矿山生态修复区地物识别方法、设备及存储介质。

背景技术：

1、在矿区生态修复过程中，土地利用类型不断发生变化，因此，精准监测并识别露天矿区各地物类型和变化情况对于矿区的生态修复评估具有重要意义。mfpa-net是一种用于煤矿区无人机图像地裂缝识别的网络模型，该网络利用扩张残差网络（drn）提取多样化的上下文信息，引入双注意力机制（dam）整合像素空间位置和特征通道的依赖性来生成高级特征，利用aspp从高级特征中挖掘多尺度上下文信息，并设计多尺度特征金字塔网络（mfpn）将高级和低级特征结合起来。王奕林等人使用改进的deeplabv3+网络模型用于矿区绿地中草地、道路以及水域的识别，该网络在deeplabv3+基础上将骨干网络改成mobilenetv2网络结构，从而缩小骨干网络规模，提高训练速度。

2、这两种模型中，mfpa-net对矿区地裂缝识别精度较高，但该网络只针对地裂缝类别进行改进，其网络结构更适用于矿区地裂缝识别，但是对其他地物类别的识别有效性还有待考量，此外，该网络在不同尺寸图片上识别用时均在7秒左右，识别速度还有提升空间。而改进后的deeplabv3+网络受数据集质量的影响，识别效果较差。

技术实现思路

1、本发明的目的在于：为了解决现有的矿山生态修复区地物识别网络存在的识别数量、识别速度以及识别精度难以兼得的问题，本发明提供了一种矿山生态修复区地物识别方法、设备及存储介质。方法主要包括以下步骤：

2、s1、获取矿山生态修复区图像集及其标签数据；

3、s2、划分数据集；

4、s3、建立轻量级、融入注意力机制的地物识别模型；

5、s4、使用数据集训练地物识别模型，训练结束得到矿山生态修复区地物识别模型；

6、s5、将待识别矿山生态修复区图像输入矿山生态修复区地物识别模型，得到地物识别结果。

7、进一步地，矿山生态修复区图像集由取景于矿山生态修复区的三通道rgb图像组成，图像大小一致，其标签数据为真实的地物识别结果。

8、进一步地，矿山生态修复区地物识别模型由一个编码器模块和一个解码器模块组成：

9、编码器模块用于提取矿山生态修复区图像的特征提取，输出深层图像和浅层图像；

10、解码器模块用于将深、浅层图像融合，输出地物识别结果。

11、进一步地，编码器模块由eca-sfsmob模型、rfb模块以及concat模块组成，

12、eca-sfsmob模型处理矿山生态修复区图像，输出一个浅层图像和一个最深层特征图像，rfb模块处理最深层特征图像，得到多感受野特征图，concat模块中将多感受野特征图与最深层特征图进行拼接，得到深层图像。

13、进一步地，eca-sfsmob模型的骨干网络由用于调整通道数的标准卷积层和用于提取图像的空间和通道特征的sfsbneck层组成；

14、sfsbneck层根据步长的不同分为两种类型：

15、当步长为1时，sfsbneck层依次包含一个用于提高通道数的1*1的扩张卷积，一个用于空间信息提取的深度卷积、一个用于通道信息融合1*1的逐点卷积以及一个用于将sfsbneck层的输入与输出图片相加的拼接块；

16、步长为2的sfsbneck层较之步长为1的sfsbneck层多一个最大池化分支以及一个用于将sfsbneck层的输出与最大池化处理后的输入进行堆叠的进行堆叠的的拼接块；

17、sfsbneck层还分为是否含有eca注意力模块两种类型，包含eca注意力模块时，eca注意力模块设置在深度卷积与逐点卷积中间，用于通道维度上进行注意力计算。

18、进一步地，解码器模块依次包括分别为上采样层和标准卷积层的双分支结构、拼接层、标准卷积层和上采样层；

19、双分支结构中上采样用于处理深层图像、标准卷积层用于处理浅层图像，双分支结构的输出均输入拼接层进行图像堆叠，之后进行标准卷积和上采样操作得到与原始图片尺寸相同的地物识别结果图像。

20、进一步地，步骤s4具体为：

21、s41、设定矿山生态修复区地物识别模型的模型参数，包括：

22、识别类别数、限制输入图像大小、每次输入到模型中的图像数、模型的最大学习率、最大训练轮数、迭代周期；

23、s42、将训练集中数据输入上述模型，输出地物识别结果；

24、s43、重复步骤s42，达到一个迭代周期则保留一次模型，将验证集中数据输入更新后的模型，评估模型性能；

25、s44、重复步骤s42-s43，直至到达最大训练轮数，输出性能最好的保留模型作为矿山生态修复区地物识别模型。

26、进一步地，识别类别数由矿山生态修复区图像集的标签数据决定，与标签的类别数一致。

27、一种存储介质，所述存储介质存储指令及数据用于实现一种矿山生态修复区地物识别方法。

28、一种计算机设备，包括：处理器及所述存储介质；所述处理器加载并执行所述存储介质中的指令及数据用于实现一种矿山生态修复区地物识别方法。

29、本发明提供的技术方案带来的有益效果是：本发明提出了一种矿山生态修复区地物识别模型，模型中编码器模块设计了轻量级、融入了注意力机制的eca-sfsmob模型，并使用rfb模块增加感受野，提高了地物识别速度以及精度；模型识别的地物类型由图像集的标签类型决定，可以满足多种类的地物识别要求。

技术特征：

1.一种矿山生态修复区地物识别方法，其特征在于，具体步骤包括：

2.如权利要求1所述的一种矿山生态修复区地物识别方法，其特征在于，所述矿山生态修复区图像集由取景于矿山生态修复区的三通道rgb图像组成，图像大小一致，其标签数据为真实的地物识别结果。

3.如权利要求1所述的一种矿山生态修复区地物识别方法，其特征在于，所述矿山生态修复区地物识别模型由一个编码器模块和一个解码器模块组成：

4.如权利要求3所述的一种矿山生态修复区地物识别方法，其特征在于，所述编码器模块由eca-sfsmob模型、rfb模块以及concat模块组成，

5.如权利要求4所述的一种矿山生态修复区地物识别方法，其特征在于，所述eca-sfsmob模型的骨干网络由用于调整通道数的标准卷积层和用于提取图像的空间和通道特征的sfsbneck层组成；

6.如权利要求4所述的一种矿山生态修复区地物识别方法，其特征在于，所述解码器模块依次包括分别为上采样层和标准卷积层的双分支结构、拼接层、标准卷积层和上采样层；

7.如权利要求1所述的一种矿山生态修复区地物识别方法，其特征在于，步骤s4具体为：

8.如权利要求7所述的一种矿山生态修复区地物识别方法，其特征在于，所述识别类别数由矿山生态修复区图像集的标签数据决定，与标签的类别数一致。

9.一种存储介质，其特征在于：所述存储介质存储指令及数据用于实现权利要求1~8任一项所述的一种矿山生态修复区地物识别方法。

10.一种计算机设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1~8任一项所述的一种矿山生态修复区地物识别方法。

技术总结本发明提供了一种矿山生态修复区地物识别方法、设备及存储介质，涉及地物识别领域，其方法包括：获取矿山生态修复区图像集及其标签数据、划分数据集、建立轻量级、融入注意力机制的地物识别模型、使用数据集训练地物识别模型，训练结束得到矿山生态修复区地物识别模型、将待识别矿山生态修复区图像输入矿山生态修复区地物识别模型，得到地物识别结果；设备及存储介质，用于实现方法。本发明的有益效果是：提高了地物识别速度以及精度，可以满足多种类的地物识别要求。技术研发人员：王旭,张茗韦,吴恒,徐航,周建伟,方萧楠,帅爽受保护的技术使用者：中国地质大学（武汉）技术研发日：技术公布日：2024/9/29