當(dāng)前位置：北京安洲科技有限公司>>遙感數(shù)據(jù)處理>>遙感影像分類

遙感影像分類

返回列表頁

參考價(jià)

面議

具體成交價(jià)以合同協(xié)議為準(zhǔn)

產(chǎn)品型號

品牌

廠商性質(zhì)其他

所在地

在線詢價(jià) 收藏產(chǎn)品查看聯(lián)系電話

聯(lián)系方式：查看聯(lián)系方式

更新時(shí)間：2021-06-15 16:25:06瀏覽次數(shù)：361次

聯(lián)系我時(shí)，請告知來自環(huán)保在線

產(chǎn)品分類 品牌分類

  遙感數(shù)據(jù)處理

全部產(chǎn)品列表

暫無信息

北京安洲科技有限公司

經(jīng)營模式：其他

商鋪產(chǎn)品：98條

所在地區(qū)：

詢價(jià) 給他留言

產(chǎn)品簡介

遙感影像分類

詳細(xì)介紹

安洲科技專注于遙感技術(shù)領(lǐng)域科研設(shè)備及數(shù)據(jù)處理服務(wù)十余年，已為國內(nèi)數(shù)百家科研單位及高校提供了各種遙感設(shè)備及數(shù)據(jù)處理技術(shù)支持，服務(wù)范圍遍布全國。AZAI-Spec作為安洲科技推出的基于新一代GPU并行計(jì)算和人工智能（AI）技術(shù)去解決光譜分析中的重點(diǎn)難點(diǎn)問題，從高光譜高維、復(fù)雜、大數(shù)據(jù)中挖掘提煉出微弱、精細(xì)、不宜被捕捉到的指紋信息，用于拓展和提高高光譜遙感在農(nóng)業(yè)、林業(yè)、土壤、水體、礦產(chǎn)、環(huán)境監(jiān)測等領(lǐng)域的應(yīng)用范圍和效率，構(gòu)建新一代高效率高精度高光譜智能處理平臺和系統(tǒng)，為客戶提供數(shù)據(jù)處理服務(wù)、幫客戶打造代碼平臺、定制化應(yīng)用解決方案、軟件產(chǎn)品和咨詢服務(wù)。

高精度、高效率的高光譜圖像分類與檢測軟件算法，可以識別弱指紋信息、精細(xì)區(qū)分相似地物、檢測識別弱目標(biāo)、生成分類專題圖，支持大部分環(huán)境監(jiān)測（比如病蟲害分布圖）和資源探測應(yīng)用（比如巖性分類圖）。然而，目前遙感軟件僅僅局限于傳統(tǒng)分類算法（比如SVM和隨機(jī)森林等），效率低，不能處理稍大高光譜數(shù)據(jù)、精度低，不能捕捉弱指紋信息造成誤分誤判等缺點(diǎn)，已經(jīng)成為高光譜分類應(yīng)用的障礙。AZAI-Spec開發(fā)基于GPU和AI算法的新一代高光譜分類功能模塊，（1）效率高，能夠快速處理大范圍海量高光譜圖像數(shù)據(jù)、（2）提取弱指紋信息強(qiáng)，能夠有效捕捉到相似地類的細(xì)微差異用于精細(xì)分類和識別、（3）半監(jiān)督學(xué)習(xí)能力強(qiáng)，能夠利用圖像中非平穩(wěn)空間相關(guān)性降低對訓(xùn)練樣本數(shù)量要求，極大減少地面采樣和訓(xùn)練樣本標(biāo)注工作量，（4）精度高，能夠生成像素級精細(xì)地物分類專題圖和弱目標(biāo)分布專題圖，用于支撐農(nóng)業(yè)、林業(yè)、土壤、水體、礦產(chǎn)、環(huán)境監(jiān)測等領(lǐng)域的分類制圖應(yīng)用。

基于 K6多光譜數(shù)據(jù)的機(jī)器視覺自動分類研究

飛行參數(shù)：

飛行高度：400 m 飛行速度：20 m/s；

拍照方式：等距觸發(fā) GSD：10 cm；

飛行面積：3平方公里波段選?。?/span>490、550 、615、 685、 725、 940

1 處理結(jié)果：

真彩色RGB（R：650 nm 、G：550nm 、B：450nm ）

2 訓(xùn)練樣本

使用訓(xùn)練樣本采集工具對RGB圖像進(jìn)行顯示，并且標(biāo)注出訓(xùn)練樣本進(jìn)行模型訓(xùn)練和測試，一共標(biāo)注五個(gè)類別（植被、道路、房屋、裸地和水體）。整個(gè)過程需要約半個(gè)小時(shí)。本次實(shí)驗(yàn)從原圖上標(biāo)注了約27000個(gè)像素作為訓(xùn)練樣本，約27000個(gè)像素作為測試樣本。

3 模型訓(xùn)練

使用訓(xùn)練樣本去訓(xùn)練卷積神經(jīng)（CNN）網(wǎng)絡(luò)分類模型，用于捕捉不同地類之間的光譜差異和空間特征差異。訓(xùn)練使用了1塊RTX 2080顯卡加速計(jì)算，訓(xùn)練整個(gè)訓(xùn)練過程約一個(gè)小時(shí)。

4 訓(xùn)練出圖

用訓(xùn)練得到的CNN模型進(jìn)行整個(gè)18043×11483，5波段圖的預(yù)測出圖。訓(xùn)練使用了1塊RTX 2080顯卡加速計(jì)算，訓(xùn)練整個(gè)預(yù)測過程約30分鐘。