基于Mask R-CNN的高分遥感影像的稀土开采识别方法
李恒凯1
肖松松1
王秀丽2
柯江晨1
1.江西理工大学建筑与测绘工程学院,江西赣州 3410002.江西理工大学经济管理学院,江西赣州 341000
摘要：根据离子吸附型稀土矿开采过程中的沉淀池状态及其空间分布关系,构建了基于MaskR-CNN的高分遥感影像稀土开采识别方法,实现稀土开采状态的识别与检测,为离子型稀土开采监管提供技术支持.该方法采用ROI Align结合双线性插值精确计算特征图浮点数处的像素值,避免了ROI Pooling带来的检测框偏离问题;同时在算法中引入特征金字塔网络(FPN),提升了算法对多尺度下小目标的精准检测能力;针对离子型稀土开采过程中沉淀池存在浸矿液体特征,加入归一化水体指数(NDWI)作为样本训练模型,再将模型用于离子型稀土开采识别;对比了Mask R-CNN,Faster R-CNN,SSD和YOLOv3检测算法在不同的基础网络和数据集下对目标的识别效果.结果表明:4种算法在使用NDWI数据集作为训练样本时比使用原始RGB数据集时的目标检测精度均提升了1.5％左右,且Mask R-CNN的识别效果优于其他3种算法.
关键词：Mask R-CNN高分遥感影像稀土开采识别归一化水体指数
分类号：TP183(自动化基础理论)
资助基金：教育部人文社会科学研究项目(18YJAZH040)江西省自然科学基金(20181BAB206018)教育厅科学技术研究重点项目(GJJ180423)
论文发表日期：2020-11-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1215-1222 )
英文信息