本發(fā)明涉及海洋筏式養(yǎng)殖業(yè)監(jiān)管領(lǐng)域，尤其涉及一種從遙感影像中提取海洋筏式養(yǎng)殖區(qū)的方法。

背景技術(shù)：

1、近年來(lái)，為滿足全球市場(chǎng)對(duì)海洋產(chǎn)品日益增長(zhǎng)的消費(fèi)需求，國(guó)內(nèi)養(yǎng)殖業(yè)主往往會(huì)通過(guò)增加養(yǎng)殖面積來(lái)達(dá)到擴(kuò)大產(chǎn)量的目的，如在海面上盲目建造網(wǎng)箱、架設(shè)吊養(yǎng)筏架等，這不但造成了海域養(yǎng)殖密度過(guò)大，養(yǎng)殖結(jié)構(gòu)不合理等問(wèn)題，而且極易導(dǎo)致相關(guān)海域污染事件的發(fā)生。如以下文獻(xiàn)所報(bào)告的問(wèn)題：文獻(xiàn)1：naylor?r,troell?m,little?d,et?al.a?20-year?retrospective?review?of?global?aquaculture[j].nature,2021,591:551.文獻(xiàn)2：han?h,fan?s,song?w,et?al.the?contribution?of?attached?ulva?prolifera?onpyropia?aquaculture?rafts?to?green?tides?in?the?yellow?sea[j].actaoceanologica?sinica,2020,39:101-106.文獻(xiàn)3：jiang?x,gao?z,zhang?q,et?al.remotesensing?methods?for?biomass?estimation?of?green?algae?attached?to?nursery-nets?and?raft?rope[j].mar?pollut?bull,2020,150:110678.針對(duì)以上問(wèn)題，科學(xué)界和政府相關(guān)部門(mén)越發(fā)重視對(duì)海洋筏式養(yǎng)殖業(yè)進(jìn)行有效監(jiān)管和科學(xué)指導(dǎo)。截至目前，我國(guó)不少地區(qū)仍采用傳統(tǒng)方法進(jìn)行筏式養(yǎng)殖監(jiān)測(cè)，即利用導(dǎo)航定位系統(tǒng)進(jìn)行現(xiàn)場(chǎng)測(cè)量并依賴養(yǎng)殖業(yè)主定期或不定期的登記信息來(lái)實(shí)現(xiàn)養(yǎng)殖規(guī)模的監(jiān)管，這種傳統(tǒng)監(jiān)測(cè)方法經(jīng)濟(jì)成本高、信息時(shí)效低，難以在較大區(qū)域尺度上得到及時(shí)的監(jiān)測(cè)結(jié)果。

2、與傳統(tǒng)監(jiān)測(cè)方法相比，衛(wèi)星遙感技術(shù)作為地球表面觀測(cè)的可靠技術(shù)手段，具備大尺度、高時(shí)效、經(jīng)濟(jì)成本低、應(yīng)用范圍廣等特點(diǎn)，能夠克服現(xiàn)場(chǎng)調(diào)查的不足，是開(kāi)展海洋筏式養(yǎng)殖動(dòng)態(tài)監(jiān)測(cè)的有效方法。對(duì)于相關(guān)管理部門(mén)而言，分辨率不斷提高的多源遙感影像為筏式養(yǎng)殖區(qū)空間位置及數(shù)量變化信息的準(zhǔn)確獲取提供了有效數(shù)據(jù)源。

技術(shù)實(shí)現(xiàn)思路

1、(一)要解決的技術(shù)問(wèn)題

2、本發(fā)明的目的是提供一種從遙感影像中提取海洋筏式養(yǎng)殖區(qū)的方法，以解決現(xiàn)有的利用傳統(tǒng)方法監(jiān)測(cè)筏式養(yǎng)殖經(jīng)濟(jì)成本高、信息時(shí)效低的問(wèn)題。

3、(二)技術(shù)方案

4、為解決上述問(wèn)題，本發(fā)明提供一種從遙感影像中提取海洋筏式養(yǎng)殖區(qū)的方法，包括：對(duì)sentinel-1合成孔徑雷達(dá)影像進(jìn)行預(yù)處理、目視解譯進(jìn)行人工標(biāo)注；對(duì)人工解譯后的影像和標(biāo)簽數(shù)據(jù)構(gòu)建筏式養(yǎng)殖樣本庫(kù)；利用建立起的樣本庫(kù)，開(kāi)展基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)提取算法的構(gòu)建、訓(xùn)練、驗(yàn)證和測(cè)試工作，并對(duì)模型輸出結(jié)果進(jìn)行精度評(píng)價(jià)。

5、優(yōu)選地，對(duì)sentinel-1合成孔徑雷達(dá)影像進(jìn)行預(yù)處理、目視解譯進(jìn)行人工標(biāo)注主要包括：取sentinel-1衛(wèi)星vv極化模式下的level-1級(jí)地距多視影像進(jìn)行熱噪聲去除、輻射校正、噪聲去除、地形校正；對(duì)預(yù)處理后的合成孔徑雷達(dá)影像進(jìn)行目視解譯和人工標(biāo)注，獲取海域筏式養(yǎng)殖區(qū)分布的柵格影像作為地面真實(shí)值。

6、優(yōu)選地，對(duì)人工解譯后的影像和標(biāo)簽數(shù)據(jù)構(gòu)建筏式養(yǎng)殖樣本庫(kù)主要包括：將處理好的合成孔徑雷達(dá)影像及標(biāo)簽數(shù)據(jù)裁剪成較小的圖像，避免計(jì)算機(jī)內(nèi)存溢出而無(wú)法正常工作；通過(guò)水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、鏡像翻轉(zhuǎn)等操作對(duì)數(shù)據(jù)集進(jìn)行增殖，提高模型的訓(xùn)練效果和泛化能力。

7、優(yōu)選地，所述利用建立起的樣本庫(kù)，開(kāi)展基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)提取算法的構(gòu)建、訓(xùn)練、驗(yàn)證和測(cè)試工作，并對(duì)模型輸出結(jié)果進(jìn)行精度評(píng)價(jià)具體包括：搭建一種d-resunet深度學(xué)習(xí)模型，包括編碼-解碼結(jié)構(gòu)和跳躍連接結(jié)構(gòu)，并且在編碼階段中具備更強(qiáng)的特征提取能力，在解碼階段中具備更精細(xì)化的圖像細(xì)節(jié)恢復(fù)能力；采用階梯式衰減策略來(lái)在訓(xùn)練過(guò)程中改變學(xué)習(xí)率，使用bcewithlogitsloss損失函數(shù)作為來(lái)評(píng)估預(yù)測(cè)值和真實(shí)值之間的差異；利用imagenet數(shù)據(jù)集對(duì)模型進(jìn)行預(yù)訓(xùn)練，再利用標(biāo)注好的sentinel-1a影像數(shù)據(jù)集對(duì)模型進(jìn)行微調(diào)，以提升模型精度；采用消融實(shí)驗(yàn)量化所提出改進(jìn)策略的有效性。

8、優(yōu)選地，所采用的d-resunet深度學(xué)習(xí)模型具有類(lèi)u-net的網(wǎng)絡(luò)結(jié)構(gòu)，但其模型組成和具體參數(shù)與u-net模型完全不同，主要區(qū)別如下：①d-resunet模型采用預(yù)先訓(xùn)練好的沒(méi)有分類(lèi)器層的resnet-34網(wǎng)絡(luò)作為模型編碼器來(lái)提取目標(biāo)的多層次的特征。②d-resunet模型采用密集殘差單元而不是普通神經(jīng)單元來(lái)建立模型解碼器，以更精細(xì)地恢復(fù)輸出圖像的細(xì)節(jié)。因此，本發(fā)明所提出的d-resunet模型具有更強(qiáng)的特征提取能力和圖像恢復(fù)能力。

9、(三)有益效果

10、本發(fā)明的技術(shù)方案可以結(jié)合深度學(xué)習(xí)方法與遙感數(shù)據(jù)，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)且融合跳躍連接結(jié)構(gòu)和密集殘差結(jié)構(gòu)的d-resunet深度學(xué)習(xí)模型。模型在獨(dú)立實(shí)驗(yàn)區(qū)進(jìn)行筏式養(yǎng)殖提取任務(wù)時(shí)，其提取結(jié)果的完整性較高、目標(biāo)遺漏較少、提取精度較為可觀，模型具備較好的泛化能力和可移植性。

技術(shù)特征：

1.一種從遙感影像中提取海洋筏式養(yǎng)殖區(qū)的方法，其特征在于，包括：

2.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)sentinel-1合成孔徑雷達(dá)影像進(jìn)行預(yù)處理、目視解譯進(jìn)行人工標(biāo)注包括：

3.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)人工解譯后的影像和標(biāo)簽數(shù)據(jù)構(gòu)建筏式養(yǎng)殖樣本庫(kù)包括：

4.如權(quán)利要求3所述的方法，其特征在于，對(duì)合成孔徑雷達(dá)影像及標(biāo)簽數(shù)據(jù)進(jìn)行裁剪的方法為：采取滑動(dòng)窗口法將合成孔徑雷達(dá)影像與解譯結(jié)果進(jìn)行對(duì)應(yīng)裁剪，窗口大小為320*320，窗口滑動(dòng)的重復(fù)率設(shè)定為0.2。

5.如權(quán)利要求1所述的方法，所述開(kāi)展基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)提取算法的構(gòu)建、訓(xùn)練、驗(yàn)證和測(cè)試工作包括：

6.如權(quán)利要求5所述的方法，其特征在于，所述d-resunet深度學(xué)習(xí)模型采用預(yù)先訓(xùn)練好的沒(méi)有分類(lèi)器層的resnet-34網(wǎng)絡(luò)作為模型編碼器來(lái)提取目標(biāo)的多層次的特征；

7.如權(quán)利要求5所述的方法，其特征在于，所述學(xué)習(xí)率階梯式衰減策略為：

8.如權(quán)利要求5或6所述的方法，其特征在于，所述模型構(gòu)建過(guò)程中，分別在編碼和解碼階段使用了預(yù)先訓(xùn)練好的resnet34模型和密集殘差結(jié)構(gòu)來(lái)保證模型的性能，在測(cè)試數(shù)據(jù)集上進(jìn)行了基于原始u-net結(jié)構(gòu)、resnet34編碼結(jié)構(gòu)、密集殘差解碼結(jié)構(gòu)和預(yù)訓(xùn)練的d-resunet結(jié)構(gòu)的消融實(shí)驗(yàn)。

技術(shù)總結(jié)
本發(fā)明提供一種從遙感影像中提取海洋筏式養(yǎng)殖區(qū)的方法，包括：對(duì)Sentinel?1合成孔徑雷達(dá)影像進(jìn)行預(yù)處理、目視解譯、人工標(biāo)注及后續(xù)核查制作標(biāo)簽；對(duì)人工解譯后的影像和標(biāo)簽數(shù)據(jù)進(jìn)行裁剪、劃分、增殖等操作來(lái)構(gòu)建筏式養(yǎng)殖樣本庫(kù)；利用建立起的樣本庫(kù)，開(kāi)展基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)提取算法的構(gòu)建、訓(xùn)練、驗(yàn)證和測(cè)試工作，并對(duì)模型輸出結(jié)果進(jìn)行精度評(píng)價(jià)，最終獲取面向筏式養(yǎng)殖區(qū)的遙感提取模型；本發(fā)明提供的方法在能夠?qū)崿F(xiàn)面向合成孔徑雷達(dá)影像的海洋筏式養(yǎng)殖區(qū)的高精度、自動(dòng)化提取。在獨(dú)立實(shí)驗(yàn)區(qū)進(jìn)行筏式養(yǎng)殖提取任務(wù)時(shí)，其提取結(jié)果的完整性較高、目標(biāo)遺漏較少、提取精度較為可觀，模型具備較好的泛化能力和可移植性。

技術(shù)研發(fā)人員：王偉民,熊向隕,余欣繁,梁鴻,劉凱,許旺,尹淳陽(yáng),高龍,蘇紅波,馮獻(xiàn)芳
受保護(hù)的技術(shù)使用者：廣東省深圳生態(tài)環(huán)境監(jiān)測(cè)中心站（廣東省東江流域生態(tài)環(huán)境監(jiān)測(cè)中心）
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9