改进型双支网络模型的遥感海水网箱养殖区智能提取方法

作者：郑智腾,范海生,王洁,吴艳兰,王彪,黄腾杰

摘要：针对传统基于遥感影像数据提取网箱信息中存在的精度低、“异物同谱”、“椒盐”噪声等问题。基于高分二号卫星(Gaofen-2 satellite,GF-2)数据,提出了一种改进的双支网络模型网箱信息提取方法。该模型在空间编码路径上利用密集连接块提取网箱的空间特征信息,在全局编码路径上利用全局平均池化快速获得网箱的全局上下文信息,最终通过特征融合来丰富网箱空间细节特征信息和深层判别特征信息,提高了网箱的提取精度。本文方法在精确率、交并比(intersection over union,IOU)和F1分数这3个评价指标上分别取得了87.37%,72.56%和82.47%的得分,与精度最高的传统方法相比分别提高了7.82,4.12和4.64百分点,与经典的深度学习模型相比较在IOU和F1上也取得了8.43和8.69百分点的提高。实验表明,这一方法能很好地满足海水网箱养殖区的提取工作,此方法可以为近海海水网箱养殖业的监管和调控提供技术支持。

发文机构：安徽大学资源与环境工程学院 珠海欧比特宇航科技股份有限公司 自然资源部大地测量数据处理中心 安徽省地理信息智能技术工程研究中心

关键词：网箱养殖遥感影像双支网络深度学习cage cultureremote sensing imagedouble-branch networkdeep learning

分类号： TP79[自动化与计算机技术—检测技术与自动化装置]