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:中国科学技术大学
摘要:本发明属于人工智能技术领域,具体涉及一种基于多光谱图像的森林凋落物含水率反演方法、系统及其设备。该方案利用深度学习算法根据森林凋落物的图像实现含水率预测。其中,本发明一方面采用多波段的原始数据和数值方法生成多光谱图像,以提高图像数据的信息量;另一方面对网络模型的训练过程进行改良。在网络模型的预训练阶段,本发明设计一种无监督的预训练策略,利用分割后的子图像实现对主干网络的特征提取能力进行参数预调,然后再利用少量的带标签数据对网络模型的含水率预测性能进行训练。在实际应用中,本发明也通过多张样本图像实现预测,以保证预测精度。本发明解决了现有方案普遍存在实现成本高昂,且预测精度不足的问题。
主权项:1.一种基于多光谱图像的森林凋落物含水率反演方法,其特征在于,其包括如下步骤:S1:在多个波段下对不同区域的森林凋落物进行成像,对得到的多波段图像进行预处理,得到不同视野下的大量样本图像组,进而构成一个预训练集;所述样本图像组的生成方法如下:S11:获取同一视野下不同波段的多张森林凋落物图像,并对不同波段的图像进行指数扩展,得到多张相同尺寸的指数图像;S12:将同一视野下的多张不同波段的森林凋落物图像和多张指数图像在通道维度进行串联,得到多光谱图像I;S13:识别每张多光谱图像I中包含森林凋落物的部分,并按照指定的尺寸进行图像分割,得到的U个相互关联的子图像pi构成一个样本图像组P:P={p1,…,pU};S2:采集所述预训练集中的若干个样本图像组中的森林凋落物并进行烘干法测量,得到的含水率数据作为各个样本图像组的标签信息;进而得到包含多个带标签的样本图像组的训练集;S3:构建一个含水率预测模型,其用于根据输入的样本图像组输出对应的含水率预测结果;所述含水率预测模型包括主干网络和回归模块;所述主干网络采用基于深度学习的图像识别模型,并用于根据输入的多光谱图像p生成对应的特征向量f;所述回归模块用于根据主干网络输出的多个特征向量fi生成一个含水率的预测结果;S4:选择任意一种距离损失LDist作为损失函数,并利用所述预训练集对所述含水率预测模型中的主干网络进行无监督的预训练,以使得主干网络对同一样本图像组P中的各个子图像pi生成的各个特征向量fi的距离接近;S5:保留预训练阶段主干网络的模型参数,将包含距离损失LDist和标签相似度损失Lreg的联合损失L作为损失函数,并利用所述训练集对所述含水率预测模型进行训练和测试,保留预测精度满足要求的网络模型的模型参数;S6:获取指定区域中森林凋落物的多光谱图像I,并将其分割为U个子图像后输入到上步骤完成训练的所述含水率预测模型中,得到指定区域内森林凋落物的含水率数据。
全文数据:
权利要求:
百度查询: 中国科学技术大学 基于多光谱图像的森林凋落物含水率反演方法、系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。