浙江国遥地理信息技术有限公司

用于实现对南浔区裸露地表遥感监测中问题点位的高效精准识别，主要识别内容为治气场景中的裸露地表。算法通过问题点位在影像中的相对位置，自动计算出现问题的实地坐标，便于确定需要进行实地处理的位置。并且自动识别点位问题类型，精准发现裸露地表管理缺失等问题，为后续的人员管理与问题派发提供方便，有利于网格员及时掌握自己管理区域的情况。解决了网格员在传统人工巡查中难以发现问题，容易忽略问题，巡查范围太大，隐蔽地段、偏远地区与恶劣环境中不易巡查等问题。将系统识别出的问题点位派发给网格员，使网格员有依据、有目标的实地确认，极大的提高了发现问题的效率，节约人员时间与人工成本，避免网格员出现无效的巡查。基于无人机航拍采集的裸露地表遥感影像数据，系统通过YOLO目标检测算法进行实时识别。首先将单元神经网络应用于2025年3月的遥感影像，将图像分割为19×19的网格单元，每个单元格由对应的单元神经网络负责预测K个边界框及其所属类别。模型对每个单元格输出各类别的条件概率，并结合目标存在置信度，计算综合类别置信度得分。系统选取所有单元格中具有最大类别概率的预测结果，将其分配给对应网格单元，并生成预测点坐标（x, y），坐标系采用CGCS2000，以东经、北纬表示。 在完成类别概率预测后，系统执行非极大值抑制运算，以消除冗余或高度重叠的检测框：首先保留置信度最高的边界框，随后依次处理其余边界框，若其与已保留框的交并比超过预设阈值，则被剔除。该过程迭代进行，直至所有非重复、高置信度的边界框被保留，最终输出裸露地表类别的检测要素及其边界框细节。 为保障识别结果的可靠性，系统融合识别准确度计算与质量控制机制：在模型输出后，自动抽取部分样本，结合人工核查或高精度标注数据作为真实参考，以模型输出的识别准确度未量化指标。设定判定规则——若准确度 ≥ 0.6，则视为识别正确（标记为 TRUE），纳入有效数据集；若准确度 < 0.6，则判定为识别错误（标记为 FALSE），予以剔除，识别准确度通常集中在0.8至1.0之间。 最终，系统仅将识别准确度达标（TRUE）的点位坐标、问题类型（如施工裸露、堆土未覆盖、废弃场地等）等结构化信息自动上传至裸露地表智能监管平台，形成高质量、可追溯的裸露地表遥感监测识别数据，为扬尘防控、生态监管与环境治理提供精准、动态的数据支撑。