[发明专利]一种农作物分类方法及系统

说明书

本发明公开了一种农作物分类方法及系统。所述分类方法包括：根据历史多时相中分影像以及历史农作物物候历数据构建历史农作物标记样本；根据现势多时相高分影像以及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；根据ResNet模型以及PSPNet模型建立遥感网络RSNet模型；根据历史训练样本对遥感网络RSNet模型进行预训练，建立预训练遥感网络RSNet模型；根据现势训练样本对预训练遥感网络RSNet模型进行微调，建立微调遥感网络RSNet模型；建立最优预训练遥感网络RSNet模型以及最优微调遥感网络RSNet模型；根据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。采用本发明所提供的分类方法及系统能够降低训练样本选择工作量，提高分类效率。

技术领域

本发明涉及农作物分类领域，特别是涉及一种农作物分类方法及系统。

背景技术

实时、准确地获取和掌握农作物种植面积及其空间分布状况，对准确估计和预测农作物产量，监测农业气象灾害，确保国家粮食安全具有非常重要的意义。

遥感技术是目前农作物面积、空间分布监测的主要技术手段，随着遥感技术的发展，越来越多的高时间、高空间分辨率遥感影像可被免费获取，这丰富了农作物遥感识别的数据源，同时也增大了遥感影像信息提取方法的难度。农作物遥感分类主要包括：地面调查、确定分类系统、遥感数据选择与预处理、分类特征选择、训练样本选择、分类算法选择和精度评价等步骤。分类算法、分类特征和训练样本是农作物遥感分类的三个重要方面，其中，分类特征和训练样本是关系分类是否成功的关键因素。传统的农作物遥感分类方法已经比较成熟，在特定情况下已经取得了巨大成就。但是，传统的分类特征和训练样本的选择制约着农作物遥感分类的高效应用：首先，中高分辨率影像中地物特征复杂，传统的特征选择方法难以提取目标地物多尺度、高层次的特征，并且在特定区域提取的特征只能应用在该区域的分类中，无法实现跨区域的特征迁移；其次，受农作物景观特征的影响，传统分类算法中，特定区域、特定时间的训练样本只能应用在特定区域的分类中，训练样本选择工作量大，从而降低分类效率。

发明内容

本发明的目的是提供一种农作物分类方法及系统，以解决训练样本选择工作量大，分类效率低的问题。

为实现上述目的，本发明提供了如下方案：

一种农作物分类方法，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；所述大范围为省及省以上区域面积；

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；