买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通电力设计院有限公司;国网江苏省电力有限公司南通供电分公司

摘要：本发明属于图像处理技术领域，具体涉及一种用于输电线路工程勘测任务的地物识别方法及系统。该方法以高分辨率倾斜航拍影像为数据源，利用集成大模型算法标注工具生成房屋、道路、树木等典型地物要素的基础样本数据集。同时，设计了适用于高分辨率倾斜航拍影像的地物识别的基础实例分割网络HRFI‑YOLO网络，并通过训练生成航拍影像地物识别模型，该模型能够提取遥感影像中的房屋、道路、树木等地物目标。本发明在降低工作量的同时确保标签数据的可用性和深度学习模型的稳定性。通过构建深度学习网络模型，实现对地物的自动提取，减少人为主观因素的影响，具有较强的通用性，提升了对地物提取的泛化能力。

主权项：1.一种用于输电线路工程勘测任务的地物识别方法，其特征在于，该方法包括以下步骤：S1使用ISAT半自动标注软件制作高分辨率倾斜航拍数据集；S2设计基于深度学习的地物识别基础实例分割网络，记为HRFI-YOLO网络；其中，基于深度学习的地物识别的HRFI-YOLO网络包括：主干网络：采用改进的Darknet-53网络作为主干网络，且主干网络引入C2f模块和CBAM模块；所述改进的Darknet-53网络作为主干网络，具体包括：依次串联第一CBS模块、第二CBS模块、第三C2f_SE模块、第四CBS模块、第五C2f_SE模块、第六CBS模块、第七C2f_SE模块、第八CBS模块、第九C2f_SE模块和CBAM_SPPF模块，其中，所述CBS模块包含1个卷积层、1个批归一化层和1个SiLU激活函数；颈部网络：采用改进的FPN-PAN网络结构作为基本颈部网络结构，并融合GFPN网络结构思想和CSP模块，从而构建多层特征融合颈部网络；检测分割头：包括四个不同尺度的检测头，即新增一个针对小型地物目标的检测头；S3对高分辨率倾斜航拍数据集进行数据增强，并在数据集上训练HRFI-YOLO网络；S4使用训练好的地物识别网络模型提取地物目标；S5将提取结果以设计平台所需的格式进行对接。

全文数据：

权利要求：

百度查询： 南通电力设计院有限公司 国网江苏省电力有限公司南通供电分公司 一种用于输电线路工程勘测任务的地物识别方法及系统