论文摘要
矿产资源卫片执法是资源监管与保护的重要技术手段,而深度学习是当前人工智能领域中的研究热点,为提高卫片执法效率、降低人力解译工作量提供了可能。本文提出了一种基于Mask RCNN的遥感影像露天矿山疑似违法图斑自动检测提取方法,通过采集、扩充、规范矿山样本,制作特定的coco数据集输入到Mask RCNN进行有监督学习训练。利用训练出的分类网络模型进行遥感影像矿山图斑的自动提取,并以采矿权矢量图层作为判定依据,自动圈取影像中的疑似违法图斑。经实验,本文方法的mAP精度达87%以上,高于传统方法,对深度学习在卫片执法中的应用研究作出了有效实践。
论文目录
文章来源
类型: 期刊论文
作者: 潘勇卓,谢洪斌,杨雪,姜良美,张勇
关键词: 深度学习,矿产资源,卫片执法
来源: 四川地质学报 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,社会科学Ⅰ辑
专业: 地质学,地球物理学,资源科学,矿业工程,行政法及地方法制
单位: 外生成矿与矿山环境重庆市重点实验室(重庆地质矿产研究院),煤炭资源与安全开采国家重点实验室重庆研究中心
基金: 重庆市国土房管科技计划项目(KJ-2018011),2019年重庆市自然科学基金(基础研究与前沿探索专项)面上项目(cstc2019jcyj-msxmX0657)
分类号: D922.62;P627
页码: 679-682
总页数: 4
文件大小: 250K
下载量: 84