[发明专利]基于遥感影像识别光伏发电站的方法、计算机设备和介质

权利要求书

1.一种基于遥感影像识别光伏发电站的方法，其特征在于，包括：

获取待识别区域的遥感影像；

将所述遥感影像输入U形神经网络模型，以由U形神经网络模型输出所述遥感影像的预测图片，所述预测图片标注了所述遥感影像中每个像素点是否是光伏发电站像素点的预测结果；

根据所述预测图片生成光伏发电站的位置信息；

所述U形神经网络模型的下采样结构中每个下采样单元包括下采样层和第一残差块，所述下采样层的输出作为所述第一残差块的输入；

所述U形神经网络模型的上采样结构中每个上采样单元包括上采样层和第二残差块，所述上采样层的输出作为所述第二残差块的输入；

所述第一残差块和所述第二残差块各自包括：

输入层，用于接收输入数据；

第一BN层，连接所述输入层；

第一卷积层，为3×3的卷积层，连接所述第一BN层；

第二BN层，连接所述第一卷积层；

第一激励函数层，连接所述第二BN层；

第二卷积层，为3×3的卷积层，连接所述第一激励函数层；

第三卷积层，为1×1的卷积层，连接所述输入层；

输出层，连接所述第二卷积层和所述第三卷积层，用于将所述第二卷积层和所述第三卷积层的输出相加结果进行输出。

2.根据权利要求1所述的识别光伏发电站的方法，其特征在于，所述U形神经网络模型通过以下步骤预先训练得到：

将训练样本集中各影像块样本输入当前U形神经网络模型，以由所述当前U形神经网络模型给出对应影像块样本是否为光伏发电站的第一判定结果；

根据所述训练样本集中各影像块样本的所述第一判定结果和认定标签，确定所述当前U形神经网络模型的准确率；

若所述准确率不收敛则调整所述当前U形神经网络模型中的权重；

将权重调整后的U形神经网络模型确定为当前U形神经网络模型，并返回执行将训练样本集中各影像块样本输入当前U形神经网络模型的步骤，直到所述当前U形神经网络模型的准确率收敛。

3.根据权利要求2所述的识别光伏发电站的方法，其特征在于，

所述训练样本集由大量原始影像块样本以及至少部分原始影像块样本的变换样本构成；

其中，原始影像块样本的所述变换样本至少包括以下一种：原始影像块样本经旋转处理后得到的样本、原始影像块样本经平移处理后得到的样本、影像块样本经加噪声处理后得到的样本、原始影像块样本经色彩变换后得到的样本。

4.根据权利要求2所述的识别光伏发电站的方法，其特征在于，在所述当前U形神经网络模型的准确率收敛后，还包括：

将验证样本集中各影像块样本输入所述当前U形神经网络模型，以由所述当前U形神经网络模型给出对应影像块样本是否为光伏发电站的第二判定结果；

根据所述验证样本集中各影像块样本的所述第二判定结果和认定标签，确定所述当前U形神经网络模型的精度；

若所述精度不大于预设阈值则调整所述当前U形神经网络模型的超参数；

将调整后的U形神经网络模型确定为当前U形神经网络模型，并返回执行将训练样本集中各影像块样本输入当前U形神经网络模型的步骤，直到所述当前U形神经网络模型的精度大于预设阈值。

5.根据权利要求2所述的识别光伏发电站的方法，其特征在于，

将所述遥感影像输入U形神经网络模型，包括：将所述遥感影像拆分得到的待测影像块输入U形神经网络模型，所述待测影像块和所述影像块样本的大小相同；

由所述U形神经网络模型输出所述遥感影像的预测图片，包括：由所述U形神经网络模型输出各个所述待测影像块是否为光伏发电站的测试结果，多个所述测试结果拼接为所述预测图片。

6.根据权利要求1所述的识别光伏发电站的方法，其特征在于，所述遥感影像的分辨率高于分辨率阈值，所述分辨率阈值根据光伏发电站在所述光伏发电站待识别区域中的辨识度预先设定。