遥感目标检测算法研究及其在重要生态区人类活动监管中的应用

作     者：任宇辉 

作者单位：中南林业科技大学 

学位级别：硕士

导师姓名：李科林;蔡青

授予年度：2024年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 07[理学] 08[工学] 0713[理学-生态学] 

主      题：遥感 目标检测算法 YOLOv5 生态功能区 人类活动监管 

摘      要：随着社会经济的快速发展,人类活动对生态环境产生的复杂影响日益凸显,如何有效监测和约束这些活动,尤其是在重要生态功能区内的各类人类活动,成为生态环境保护工作中的一项紧迫任务。遥感技术能提供广域、连续、实时的观测数据,克服了传统监测手段在时空覆盖上的局限性,成为重要生态功能区监管的重要手段。但人类活动复杂多变,在卫星遥感影像中表现的空间特征、纹理特征、几何特征、关联背景等与自然图片迥异,导致常规人工解译遥感影像人类活动难以满足生态保护监测即时、高效、准确的要求。针对上述问题,本研究通过优化YOLOv5（You Only Look Onceversion 5）目标检测算法,建立人类活动数据集,训练了人类活动检测模型,开发了重要生态功能区人类活动检测系统,并开展了实际应用,效果显著。主要研究内容如下: （1）优化了 YOLOv5网络结构。针对遥感影像中目标实例具有方向性的问题,将YOLOv5中的水平锚框改进为带角度参数的旋转锚框。将CBAM融合特征注意力机制引入到YOLOv5网络中,挖掘遥感影像中潜在的语义信息和空间关系,增强网络对高分辨率影像全局信息的提取能力。针对遥感图像中小目标较多,且难以识别的问题,构建了 MWFF加权特征融合模块,从异尺度特征和同尺度特征两个方面加强了对各个阶段特征图信息的融合利用。改进后的YOLOv5网络在大型公开遥感数据集 DOTA 和 DIOR-R 上 mAP@IoU=0.5分别达到73.6%和75.3%,模型大小分别为16.1M和15.7M,影像处理速度均为64FPS。 （2）建立了遥感影像人类活动数据集。基于湖南省2022-2023年GF-2号原始卫星遥感影像和人类活动分类体系,通过遥感影像预处理、实例标注、数据转化等一系列流程,构建了一个种类丰富、背景多样的高质量遥感图像人类活动数据集EnvHA,包含9种人类活动类型,1261张遥感图像,共计5184个目标实例,是对现有的公开遥感数据集中包含人类活动类型稀少,目标实例单一,影像背景单调的有效补充,进一步满足了生态环境实际监测的需求。 （3）训练了人类活动目标检测模型。基于改进的YOLOv5网络和数据集EnvHA进行人类活动检测模型的训练,模型具备很高的均衡性和准确性,mAP值达到83.8%,对9种人类活动类型AP值均超过了 60%,体现出良好的泛化能力和对多样人类活动场景的适应性。 （4）开发了重要生态功能区人类活动检测系统。基于训练生成的人类活动目标检测模型,利用PyQt5设计了可视化交互软件系统,开发了文件上传、参数控制、模型选择和检测效果显示等功能,测试了系统的应用效果,结果表明具有良好的应用价值。