[发明专利]一种农作物分类方法及系统

权利要求书

1.一种农作物分类方法，其特征在于，包括：

获取历史年份大范围区域内的历史多时相中分影像以及历史农作物物候历数据；所述大范围为省以上区域面积；

根据所述历史多时相中分影像以及所述历史农作物物候历数据构建历史农作物标记样本；所述历史农作物标记样本包括历史训练样本以及历史验证样本，所述历史训练样本为85％，所述历史验证样本为15％；

获取当前年份小区域的现势多时相高分影像以及当前农作物物候历数据；所述小区域为多个县的县区域面积；

根据所述现势多时相高分影像以及所述当前农作物物候历数据构建高精度小区域现势农作物标记样本；所述高精度小区域现势农作物标记样本包括现势训练样本以及现势验证样本，所述现势训练样本为85％，所述现势验证样本为15％；

根据残差网络ResNet模型以及金字塔池化网络PSPNet模型建立遥感网络RSNet模型；所述遥感网络RSNet模型为多光谱遥感影像农作物“端到端”分类的模型；

根据所述历史训练样本对所述遥感网络RSNet模型进行预训练，建立预训练遥感网络RSNet模型；

对所述预训练遥感网络RSNet模型进行精度评价，建立最优预训练遥感网络RSNet模型；

根据所述现势训练样本对所述预训练遥感网络RSNet模型进行微调，建立微调遥感网络RSNet模型；

对所述微调遥感网络RSNet模型进行精度评价，建立最优微调遥感网络RSNet模型；

根据所述最优预训练遥感网络RSNet模型以及所述最优微调遥感网络RSNet模型对所述农作物进行分类。

2.根据权利要求1所述的分类方法，其特征在于，所述根据所述历史多时相中分影像以及所述历史农作物物候历数据构建历史农作物标记样本，具体包括：

根据所述历史多时相中分影像以及所述历史农作物物候历数据，利用目标变化检测与支持向量机结合的方法对农作物进行分类，构建历史农作物标记样本。

3.根据权利要求1所述的分类方法，其特征在于，所述根据所述现势多时相高分影像以及所述当前农作物物候历数据构建高精度小区域现势农作物标记样本，具体包括：

根据所述现势多时相高分影像以及所述当前农作物物候历数据，利用面向对象方法进行影像对象分割，构建不同光谱特征以及纹理特征；

利用随机森林算法对所述不同光谱特征以及纹理特征进行特征提取与优化，并利用支持向量机分类器进行高精度农作物分类，确定高分辨率农作物分类结果；

利用众数原则的重采样方法将所述高分辨率农作物分类结果，重采样为与中分辨率农作物标记样本相同的分辨率，构建高精度小区域现势农作物标记样本。

4.根据权利要求1所述的分类方法，其特征在于，所述对所述预训练遥感网络RSNet模型进行精度评价，建立最优预训练遥感网络RSNet模型，具体包括：

根据所述历史验证样本对所述预训练遥感网络RSNet模型进行精度评价，建立最优预训练遥感网络RSNet模型；所述精度评价的指标为混淆矩阵的总体分类精度、制图精度、用户精度、Kappa系数以及均交并比。

5.根据权利要求1所述的分类方法，其特征在于，所述对所述微调遥感网络RSNet模型进行精度评价，建立最优微调遥感网络RSNet模型，具体包括：

根据所述现势验证样本对所述微调遥感网络RSNet模型进行精度评价，建立最优微调遥感网络RSNet模型；所述精度评价的指标为混淆矩阵的总体分类精度、制图精度、用户精度、Kappa系数以及均交并比。