Enfoque de los medios de comunicación de Global Vision
La empresa apareció en CCTV un total de 15 veces, y su alcance a través de los medios del Partido, los medios centrales y los medios oficiales locales llegó a un total de 50 millones de personas.
Exploración de métodos automáticos de extracción de parcelas de terreno basados en imágenes de teledetección satelital.
Introducción a los antecedentes
La extracción de parcelas es una tarea fundamental en la interpretación de la teledetección, la gestión de los recursos terrestres y la tecnología de la información espacial agrícola. Consiste en identificar la extensión espacial de parcelas individuales a partir de imágenes satelitales, imágenes de vehículos aéreos no tripulados (UAV) u otros datos de teledetección, formando objetos de área con límites claramente definidos. Para la gestión de la producción agrícola, obtener con precisión los límites de las parcelas es esencial para el registro de tierras agrícolas, el monitoreo de cultivos, la estimación de rendimientos, los estudios de uso del suelo y la distribución de subsidios agrícolas. Los métodos tradicionales de extracción de parcelas suelen basarse en la interpretación visual manual o en métodos tradicionales de procesamiento de imágenes, como la detección de bordes y la segmentación por agrupamiento. Estos métodos son eficaces en áreas con parcelas regulares, imágenes nítidas y diferencias significativas en las características del terreno, pero presentan limitaciones importantes al abordar escenarios agrícolas complejos.
Por ejemplo, el tamaño de las parcelas varía considerablemente entre regiones, y algunas parcelas agrícolas pequeñas presentan límites fragmentados e irregulares; además, existen diferencias significativas entre las distintas estaciones, los diferentes sensores y las imágenes con diferentes resoluciones. Asimismo, factores como carreteras, cunetas, lomas y sombras de vegetación pueden interferir en el reconocimiento de los límites. Por consiguiente, los métodos tradicionales tienen dificultades para mantener una precisión estable en condiciones de gran escala y con múltiples escenas.
En los últimos años, el desarrollo de la tecnología de aprendizaje profundo ha proporcionado nuevos enfoques para la extracción automática de parcelas de tierra. La investigación relacionada ha transformado la extracción de límites de tierras agrícolas, pasando de la tarea tradicional de "reconocimiento de píxeles de límite" a la "segmentación de instancias de parcelas de tierra". Esto significa que ya no se limita a determinar si un píxel pertenece al límite, sino que identifica directamente la extensión completa de cada parcela de tierra independiente. Este enfoque preserva mejor la integridad de los objetos de parcelas de tierra y reduce problemas como la superposición de parcelas adyacentes, las rupturas de límites y las detecciones omitidas. La investigación existente también ha creado conjuntos de datos que contienen imágenes satelitales multirresolución y una gran cantidad de instancias de parcelas de tierra anotadas, con resoluciones de imagen que van desde aproximadamente 0,25 metros hasta 10 metros, capaces de adaptarse a las necesidades de extracción de parcelas de tierra agrícolas a diferentes escalas.
Estructura del modelo
El modelo de extracción de parcelas de terreno es un modelo de extracción automatizado de extremo a extremo para imágenes de teledetección satelital. Consta de seis partes: imágenes satelitales, preprocesamiento, modelo de extracción de parcelas de terreno, conversión de resultados de instancias a vectores, fusión de resultados vectoriales idénticos y salida vectorial, como se muestra en la Figura 1.
Figura 1.Flujo de procesamiento del modelo
En primer lugar, el modelo utiliza imágenes satelitales como datos de entrada, aprovechando la información sobre elementos como tierras de cultivo, caminos, zanjas y crestas de campos para establecer los límites de las parcelas. A continuación, las imágenes de entrada se someten a un preprocesamiento que incluye recorte, registro de coordenadas, estandarización de formato, normalización y segmentación. Con base en esto, el modelo de extracción de parcelas realiza un análisis de características y segmentación de instancias en las imágenes preprocesadas, distinguiendo parcelas adyacentes para evitar la superposición o la segmentación errónea entre ellas. Los resultados de las instancias generados por el modelo requieren una transformación adicional...Datos vectorialesEsto implica extraer el contorno de las parcelas de terreno a partir de una máscara y generar polígonos cerrados para su uso en análisis espaciales SIG. Dado que las imágenes satelitales a gran escala suelen segmentarse en múltiples parches para su procesamiento, una misma parcela puede identificarse o segmentarse repetidamente en diferentes secciones. Por lo tanto, es necesario fusionar los resultados vectoriales pertenecientes a la misma parcela para eliminar límites duplicados y mantener la integridad de su morfología. Finalmente, el modelo genera resultados vectoriales completos de la parcela, que pueden guardarse en formatos de datos espaciales comunes como Shapefile y GeoJSON para su uso en estadísticas de parcelas, cálculo de áreas, etc.análisis del uso del sueloY la planificación y gestión espacial.
Visualización de resultados
La Figura 2 muestra la salida vectorial del modelo. Este modelo puede identificar con precisión terrenos agrícolas regulares, grandes extensiones contiguas y algunas parcelas fragmentadas de menor escala. En áreas con límites definidos y una disposición regular de las parcelas, los resultados de la extracción coinciden prácticamente con los límites reales. En áreas con parcelas densamente agrupadas y formas complejas, el modelo mantiene un buen rendimiento en la separación de parcelas, reduciendo la posibilidad de que se fusionen erróneamente parcelas adyacentes. El método de extracción de parcelas basado en la segmentación de instancias mediante aprendizaje profundo mejora eficazmente el nivel de automatización y la precisión de la identificación de los límites de los terrenos agrícolas, proporcionando un importante apoyo técnico para la monitorización agrícola mediante teledetección y una gestión más eficiente de los recursos terrestres.
Figura 2.Resultados vectoriales