本发明涉及农业监测领域,更具体地,涉及一种撂荒地监测方法及系统。
背景技术:
1、研究撂荒的现状和影响因素从而采取相关应对措施,都依赖明确撂荒的空间信息和有效的撂荒空间分布制图。通过提取耕地撂荒区域的时空分布特征,绘制撂荒地监测图,对撂荒地进行监测可为保障粮食安全、改善民生和合理规划土地利用提供依据。
2、目前,撂荒区域的监测主要使用长时间序列遥感影像进行识别,然而质量良好的长时间序列遥感图像常常使难以获得,且不能对同一地区不同时相的撂荒地区进行识别,监测实时性低,且无法进行有效的精细制图,造成监测精度低的缺陷。
技术实现思路
1、本发明为克服现有撂荒地监测方法存在的监测实时性和精度低的缺陷,提供一种撂荒地监测方法及系统。
2、为解决上述技术问题,本发明的技术方案如下:
3、第一个方面,本发明提出一种撂荒地监测方法,包括:
4、收集撂荒地区域内的卫星影像。
5、对所述卫星影像进行时空节点匹配,将同一区域内的卫星影像视作互为正样本,将不同区域间的卫星影像视作互为负样本。
6、以所述正样本和负样本构建初始数据集。将所述初始数据集划分为训练集、验证集和测试集。
7、构建对比学习模型,利用所述训练集和验证集对所述对比学习模型进行训练和调参。
8、构建语义分割网络,将完成训练的对比学习模型中的编码器的权重初始化到所述语义分割网络中,利用所述语义分割网络对测试集进行监督学习,得到目标撂荒地区域的二值图。
9、根据所述目标撂荒地区域的二值图,绘制撂荒地监测图。
10、第二个方面,本发明还提出一种撂荒地监测系统,应用于如第一个方面所述的撂荒地监测方法中,包括:
11、收集模块,用于收集目标撂荒地区域内的卫星影像。
12、匹配模块,用于对所述卫星影像进行时空节点匹配,将同一区域内的卫星影像视作互为正样本,将不同区域间的卫星影像视作互为负样本。
13、第一构建模块,用于以所述正样本和负样本构建初始数据集。将所述初始数据集划分为训练集、验证集和测试集。
14、第二构建模块,用于构建对比学习模型,并利用所述训练集和验证集对所述对比学习模型进行训练和调参。
15、第三构建模块,用于构建语义分割网络,并将完成训练的对比学习模型中的编码器的权重初始化到所述语义分割网络中。
16、监督学习模块,用于利用所述语义分割网络对测试集进行监督学习,得到目标撂荒地区域的二值图。
17、制图模块,用于根据所述目标撂荒地区域的二值图,绘制撂荒地监测图。
18、与现有技术相比,本发明技术方案的有益效果是:本发明通过对所述卫星影像进行时空节点匹配,将同一区域内的卫星影像视作互为正样本,将不同区域间的卫星影像视作互为负样本,并引入对比学习模型,利用所述正样本和负样本进行初步的自监督训练,提取和整合了同一区域不同时相的撂荒特征,绘制撂荒地监测图,能够有效提高撂荒地监测的实时性和精度。
1.一种撂荒地监测方法,其特征在于,包括:
2.根据权利要求1所述的撂荒地监测方法,其特征在于,所述对比学习模型中的编码器包括第一编码器和第二编码器;
3.根据权利要求2所述的撂荒地监测方法,其特征在于,所述方法还包括:
4.根据权利要求2所述的撂荒地监测方法,其特征在于,所述对比学习模型的损失函数的表达式如下所示:
5.根据权利要求4所述的撂荒地监测方法,其特征在于,在优化所述第一图像特征和所述第二图像特征之间的对比损失时,包括:利用参与损失函数梯度回传的第一编码器对不参与损失函数梯度回传的第二编码器进行网络参数动量更新,其表达式如下所示:
6.根据权利要求1所述的撂荒地监测方法,其特征在于,所述语义分割网络的损失函数包括交叉熵损失和dice损失;
7.根据权利要求1所述的撂荒地监测方法,其特征在于,根据所述目标撂荒地区域的二值图,绘制撂荒地监测图,具体为:对所述目标撂荒地区域的二值图分别进行矢量化和去噪后处理,得到撂荒地监测图。
8.根据权利要求1所述的撂荒地监测方法,其特征在于,在利用训练集和验证集对对比学习模型进行训练之前,所述方法还包括:
9.根据权利要求1所述的撂荒地监测方法,其特征在于,所述卫星影像为高分辨率遥感图像。
10.一种撂荒地监测系统,应用于如权利要求1~9任一项所述的撂荒地监测方法,其特征在于,包括: