Print

深度学习在矿产资源卫片执法中的应用研究

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

  • 1 原理与方法
  •   1.1 Mask R-CNN
  •   1.2 损失函数
  •   1.3 网络模型
  •   1.4 卫片执法判定方法
  • 2 基于遥感影像识别的方法流程
  •   2.1 样本采集
  •   2.2 样本扩充
  •   2.3 训练预处理
  •   2.4 识别预处理
  •   2.5 识别后处理
  • 3 实验与结果
  •   3.1 实验流程
  •   3.2 实验结果
  • 4 结论提取精度表

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7cef02d4f2299aa77ebbf71d.html