(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221098240 6.9 (22)申请日 2022.08.16 (71)申请人 广东工业大 学 地址 510055 广东省广州市东 风东路729号 (72)发明人 李乐　关洁琳　赵克飞　 (74)专利代理 机构 北京绘聚高科知识产权代理 事务所(普通 合伙) 11832 专利代理师 罗硕 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/70(2022.01)G06V 10/40(2022.01) G06V 10/80(2022.01) G06T 5/00(2006.01) G06T 5/50(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的生猪养殖场空间图像提取 方法和系统 (57)摘要 本发明公开一种基于深度学习的生猪养殖 场空间图像提取方法和系统， 其中， 基于深度学 习的生猪养殖场的空间图像提取方法包括： 获取 包含有生猪养殖场的遥感影像； 在遥感影像上标 注生猪养殖场， 切割标注后的遥感影像， 得到生 猪养殖场的训练集和测试集； 建立U型神经网络 U‑net模型， 使用训练集训练U ‑net模型； 使用测 试集评估U ‑net模型的识别精度， 根据识别精度 得到训练完成的U ‑net模型； 使用训练完成的U ‑ net模型提取生猪养殖场的空间图像。 本发明的 技术方案能解决现有技术中的生猪养殖场的空 间图像提取方法， 特征识别模糊， 难以实现对生 猪养殖场的空间位置的精确提取的问题。 权利要求书2页 说明书10页 附图7页 CN 115359364 A 2022.11.18 CN 115359364 A 1.一种基于深度学习的生猪养殖场的空间图像提取 方法， 其特 征在于， 包括： 获取包含有生猪养殖场的遥感影 像； 在所述遥感影像上标注所述生猪养殖场， 切割标注后的所述遥感影像， 得到所述生猪 养殖场的训练集和 测试集； 建立U型神经网络U ‑net模型， 使用所述训练集训练所述U ‑net模型； 使用测试集评估所述U ‑net模型的识别精度， 根据所述识别精度得到训练完成的U ‑net 模型； 使用训练完成的所述U ‑net模型提取 所述生猪养殖场的空间图像。 2.根据权利要求1所述的生猪养殖场的空间图像提取方法， 其特征在于， 在所述遥感影 像上标注所述生猪养殖场的步骤之前， 所述方法还包括对所述遥感影像进行图像预处理， 得到预处 理后的遥感影 像； 所述对遥感影 像进行图像预处 理， 得到预处 理后的遥感影 像的步骤， 包括： 对全色和多光谱的所述遥感影 像分别进行光照校正处 理； 对光照校正处理后的全色和多光谱的遥感影像进行图像融合处理， 得到特定分辨率 区 间的遥感影 像。 3.根据权利要求1所述的生猪养殖场的空间图像提取方法， 其特征在于， 所述在遥感影 像上标注所述 生猪养殖场的步骤， 包括： 获取目视解译的所述 生猪养殖场的空间图像区域； 使用样本标注工具对所述生猪养殖场的空间图像区域进行二值化标注， 得到标注有样 本标签的所述遥感影 像。 4.根据权利要求1或3所述的生猪养殖场的空间图像提取方法， 其特征在于， 所述切割 标注后的所述遥感影 像， 得到所述 生猪养殖场的训练集和 测试集的步骤， 包括： 按照预定像素规格切割所述标注后的遥感影像， 得到多个预定像素规格的养殖场图像 块； 对所述多个预定像素规格的养殖场图像块进行样本增强处理， 得到多个样本增强后的 养殖场图像块； 按照预定划分比例将所述多个样本增强后的养殖场图像块划分为训练集和 测试集。 5.根据权利要求1所述的生猪养殖场的空间图像提取方法， 其特征在于， 所述使用训练 集训练所述U ‑net模型的步骤， 包括： 将所述生猪养殖场的训练集和对应的样本标签输入至所述U ‑net模型； 使用所述U ‑net模型对所述训练集包含的训练样本进行特征提取， 得到多个多通道特 征图； 对所述多个多通道特 征图进行 上采样， 提取 得到所述 生猪养殖场的空间图像； 使用所述样本标签验证所述 生猪养殖场的空间图像； 若所述样本标签验证失败， 则所述U ‑net模型重新提取所述训练样本的特征， 直至所述 样本标签验证成功。 6.根据权利要求1或5所述的生猪养殖场的空间图像提取方法， 其特征在于， 所述使用 测试集评估 所述U‑net模型的识别精度， 根据所述识别精度得到训练完成的U ‑net模型的步 骤， 包括：权　利　要　求　书 1/2 页 2 CN 115359364 A 2将所述测试集的测试样本 输入至所述U ‑net模型； 计算所述U ‑net模型对所述测试样本的召回率、 精确率和F1分数； 当所述U‑net模型的召回率、 精确率和F1分数分别达到预定目标阈值时， 确定所述U ‑ net模型训练完成。 7.根据权利要求1所述的生猪养殖场的空间图像提取方法， 其特征在于， 所述使用训练 完成的所述U ‑net模型提取 所述生猪养殖场的空间图像的步骤， 包括： 使用所述U ‑net模型提取 所述测试集中测试样本对应的输出图像和输出 标签； 按照所述输出图像对应的原始位置， 还原得到完整的所述生猪养殖场的空间图像， 其 中， 所述生猪养殖场的空间图像包括所述输出 标签。 8.一种基于深度学习的生猪养殖场的空间图像提取系统， 其特 征在于， 包括： 影像获取模块， 用于获取包 含有生猪养殖场的遥感影 像； 影像标注模块， 用于在所述遥感影 像上标注所述 生猪养殖场； 影像切割模块， 用于切割标注后的所述遥感影像， 得到所述生猪养殖场的训练集和测 试集； 模型训练模块， 用于建立U型神经网络U ‑net模型， 使用所述训 练集训练所述U ‑net模 型； 精度评估模块， 用于使用测试集评估所述U ‑net模型的识别精度， 根据所述识别精度 得 到训练完成的U ‑net模型； 图像提取模块， 用于使用训练完成的所述U ‑net模型提取 所述生猪养殖场的空间图像。 9.根据权利要求8所述的生猪养殖场的空间图像提取系统， 其特征在于， 所述模型训练 模块， 包括： 第一模型输入子模块， 用于将所述生猪养殖场的训练集和对应的样本标签输入至所述 U‑net模型； 特征提取子模块， 用于使用所述U ‑net模型对所述训练集包含的训练样本进行特征提 取， 得到多个多通道特 征图； 上采样子模块， 用于对所述多个多通道特征图进行上采样， 提取得到所述生猪养殖场 的空间图像； 图像验证子模块， 用于使用所述样本标签验证所述生猪养殖场的空间图像， 若所述样 本标签验证失败， 则使用所述U ‑net模型重新提取所述训练样 本的特征， 直至所述样本标签 验证成功。 10.根据权利要求8 或9所述的生猪养殖场的空间图像提取系统， 其特征在于， 所述精度 评估模块， 包括： 第二模型输入子模块， 用于将所述测试集的测试样本 输入至所述U ‑net模型； 样本计算子模块， 用于计算所述U ‑net模型对所述测试样本的召 回率、 精确率和F1分 数； 训练确定子模块， 用于当所述U ‑net模型的召回率、 精确率和F1分数分别达到预定目标 阈值时， 确定所述U ‑net模型训练完成。权　利　要　求　书 2/2 页 3 CN 115359364 A 3