基于CNN模型迁移的OLI影像光伏电池板场景识别

摘要：

获取光伏电池板的空间分布及动态变化信息对于国土调查、资源环境监测和能源结构评估具有重要意义,然而,传统的光伏电池板的识别依赖于人工设计的中低层次特征,无法克服对象光谱不确定性、空间结构类型复杂等难题,算法普遍存在稳健性不强、效率不高等问题.目前,基于场景单元从遥感影像中提取空间信息,多数算法仅建立在少数标准数据集上,未考虑实际应用中遥感图像质量、空间分辨率等因素对图像场景深度特征表达的影响,制约了遥感技术在城市结构、经济社会知识挖掘方面的深入应用.针对以上情况,本文基于卷积神经网络(CNN)采用迁移学习和模型微调的策略,在中等分辨率的Landsat影像上进行光伏电池板场景识别.结果表明,本文方法能够提取电站场景的多层次特征,在形态结构复杂的电站场景中取得了较好的识别效果.

关键词：迁移学习;卷积神经网络;光伏电池板;中等分辨率遥感影像;场景尺度

分类号：P237(摄影测量学与测绘遥感)

资助基金：江苏省地质矿产勘查局科研项目2020KY11

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：5-9