【技術實現步驟摘要】
本公開涉及圖像處理，特別是涉及一種數據傳輸方法、裝置、計算機設備、存儲介質。
技術介紹
1、隨著圖像處理技術的發展，尾礦庫干灘長度是庫內水邊線至灘頂的水平距離，是尾礦庫的防洪要素之一。在高分遙感影像上提取庫內水邊線上距離灘頂最近點的干灘長度作為動態監測指標，其干灘長度為庫內水邊線上距離灘頂的最近點至灘頂線的水平距離。目前針對尾礦庫干灘長度的識別，大多采用現場架設光學攝像機、距離監測傳感器等方式，此類設備布設成本高，且大多僅能監測單個尾礦庫的干灘長度，難以實現大范圍自動化監測。
2、因此，現有的檢測技術存在尾礦庫檢測精度低、干灘長度計算精度不足等問題，嚴重制約了尾礦庫干灘長度的自動化識別能力。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種尾礦庫干灘長度識別方法、裝置、計算機設備、存儲介質。
2、第一方面，本公開提供了一種尾礦庫干灘長度識別方法。所述方法包括：
3、獲取尾礦庫遙感影像；
4、將所述尾礦庫遙感影像輸入到預先訓練完成的目標檢測模型中，經由所述目標檢測模型輸出尾礦庫目標檢測結果；
5、采用超像素分割算法和隨機森林算法對所述尾礦庫目標檢測結果中含有的多類尾礦庫要素進行分類，得到多類尾礦庫要素；
6、對相同的每類所述尾礦庫要素進行合并，根據合并結果確定尾礦庫要素對應的參考線，基于所述尾礦庫要素對應的參考線，得到干灘長度。
7、在其中一個實施例中，所述采用超像素分割算法和隨機森林算法對
8、將所述尾礦庫目標檢測結果賦予坐標參考系，得到目標框矢量；
9、基于預設的緩沖距離，對所述目標框矢量進行擴充，得到擴充目標框矢量；
10、在所述擴充目標框矢量中確定種子中心點，通過聚類方法，并基于所述種子點中心進行同類像素進行合并，形成超像素；
11、對所述超像素邊緣進行檢測，通過中心線提取、線轉面，得到超像素分割面；
12、采用隨機森林算法對所述超像素分割面進行分類得到多類尾礦庫要素。
13、在其中一個實施例中，所述采用隨機森林算法對所述超像素分割面進行分類得到多類尾礦庫要素，包括：
14、基于預先確定的分類樣本，確定每類尾礦庫要素的要素特征；
15、利用所述隨機森林算法學習所述要素特征，形成超像素分類模型；
16、利用所述超像素分類模型對所述超像素分割面進行分類得到多類尾礦庫要素。
17、在其中一個實施例中，所述尾礦庫要素包含：堆積壩要素、干灘要素、水體要素；所述對相同的每類所述尾礦庫要素進行合并，根據合并結果確定尾礦庫要素對應的參考線，基于所述尾礦庫要素對應的參考線，得到干灘長度，包括：
18、對所述多類尾礦庫要素中相同的尾礦庫要素進行要素合并，得到每種尾礦庫要素的合并結果；
19、利用曲線簡化算法對所述堆積壩要素的合并結果進行處理，得到初期壩基線；
20、確定所述水體要素的水體外邊線，基于所述初期壩基線與所述水體外邊線的距離，確定所述干灘長度。
21、在其中一個實施例中，所述方法還包括：
22、獲取訓練遙感影像，所述訓練遙感影像中含有多個尾礦庫區域；
23、確定所述訓練遙感影像中含有的尾礦庫區域，針對尾礦庫區域，繪制矢量框并賦值，得到尾礦庫目標檢測框矢量邊界；
24、基于所述尾礦庫目標檢測框矢量邊界和所述訓練遙感影像，訓練目標檢測模型。
25、在其中一個實施例中，所述目標檢測模型中含有主干網絡、頸部網絡和頭部網絡，所述主干網絡中含有矩形特征提取模塊；所述基于所述尾礦庫目標檢測框矢量邊界和所述訓練遙感影像，訓練目標檢測模型，包括：
26、基于所述主干網絡，提取所述訓練遙感影像中尾礦庫目標檢測框矢量邊界內含有的尾礦庫特征信息；
27、基于所述矩形特征提取模塊對所述尾礦庫特征信息進行二次特征提取，得到尾礦庫高階特征信息；
28、對所述尾礦庫高階特征信息進行升維后與尾礦庫特征信息進行融合，利用融合后的特征信息和所述尾礦庫目標檢測框矢量邊界訓練所述目標檢測模型。
29、第二方面，本公開還提供了一種尾礦庫干灘長度裝置。所述裝置包括：
30、影像獲取模塊，用于獲取尾礦庫遙感影像；
31、模型處理模塊，用于將所述尾礦庫遙感影像輸入到預先訓練完成的目標檢測模型中，經由所述目標檢測模型輸出尾礦庫目標檢測結果；
32、分類模塊，用于采用超像素分割算法和隨機森林算法對所述尾礦庫目標檢測結果中含有的多類尾礦庫要素進行分類，得到多類尾礦庫要素；
33、長度計算模塊，用于對相同的每類所述尾礦庫要素進行合并，根據合并結果確定尾礦庫要素對應的參考線，基于所述尾礦庫要素對應的參考線，得到干灘長度。
34、第三方面，本公開還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述任一方法實施例中的步驟。
35、第四方面，本公開還提供了一種計算機可讀存儲介質。所述計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述任一方法實施例中的步驟。
36、第五方面，本公開還提供了一種計算機程序產品。所述計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現上述任一方法實施例中的步驟。
37、上述各實施例中，通過獲取尾礦庫遙感影像，并利用預先訓練完成的目標檢測模型對其進行處理，能夠從宏觀的遙感影像層面精準地定位尾礦庫相關目標，避免了人工實地勘查可能存在的視野局限以及效率低下等問題。比如對于地處偏遠、范圍較大的尾礦庫區域，依靠遙感影像結合目標檢測模型可以快速且較為準確地確定尾礦庫在影像中的具體位置和大致范圍，提高了尾礦庫目標檢測的全面性和準確性。這種基于模型的自動化檢測方式，可以同時處理大量的遙感影像數據，適用于對多個尾礦庫或者大面積包含尾礦庫的區域進行監測，有助于實現規?；?、批量化的尾礦庫信息提取工作。采用超像素分割算法和隨機森林算法對檢測出的尾礦庫目標檢測結果中含有的多類尾礦庫要素進行分類，能夠進一步細化對尾礦庫內部不同要素的認知，能更深入地了解尾礦庫的細節情況，從而提高干灘識別的精準度。對相同的每類尾礦庫要素進行合并，進而根據合并結果確定尾礦庫要素對應的參考線來得到干灘長度，干灘長度是衡量尾礦庫安全狀況的一個關鍵指標。準確掌握干灘長度能夠幫助相關人員及時判斷尾礦庫是否處于安全的運行狀態，比如干灘長度過短可能預示著尾礦庫存在漫壩等安全風險，而通過這種方法實現精準的干灘長度測算，為尾礦庫的安全預警和風險防控提供了可靠的數據支撐。
本文檔來自技高網...【技術保護點】
1.一種尾礦庫干灘長度識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述采用超像素分割算法和隨機森林算法對所述尾礦庫目標檢測結果中含有的多類尾礦庫要素進行分類，得到多類尾礦庫要素，包括：
3.根據權利要求2所述的方法，其特征在于，所述采用隨機森林算法對所述超像素分割面進行分類得到多類尾礦庫要素，包括：
4.根據權利要求1所述的方法，其特征在于，所述尾礦庫要素包含：堆積壩要素、干灘要素、水體要素；所述對相同的每類所述尾礦庫要素進行合并，根據合并結果確定尾礦庫要素對應的參考線，基于所述尾礦庫要素對應的參考線，得到干灘長度，包括：
5.根據權利要求1所述的方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的方法，其特征在于，所述目標檢測模型中含有主干網絡、頸部網絡和頭部網絡，所述主干網絡中含有矩形特征提取模塊；所述基于所述尾礦庫目標檢測框矢量邊界和所述訓練遙感影像，訓練目標檢測模型，包括：
7.一種尾礦庫干灘長度識別裝置，其特征在于，所述裝置包括：
8.一種計算
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種尾礦庫干灘長度識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述采用超像素分割算法和隨機森林算法對所述尾礦庫目標檢測結果中含有的多類尾礦庫要素進行分類，得到多類尾礦庫要素，包括：
3.根據權利要求2所述的方法，其特征在于，所述采用隨機森林算法對所述超像素分割面進行分類得到多類尾礦庫要素，包括：
4.根據權利要求1所述的方法，其特征在于，所述尾礦庫要素包含：堆積壩要素、干灘要素、水體要素；所述對相同的每類所述尾礦庫要素進行合并，根據合并結果確定尾礦庫要素對應的參考線，基于所述尾礦庫要素對應的參考線，得到干灘長度，包括：
5.根據權利要求1所述的方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的方...
【專利技術屬性】
技術研發人員：孫驍，公雪霜，逯偉利，齊建超，白旭，王浩然，趙健伊，
申請(專利權)人：中國四維測繪技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。