具体技术细节
[0003] 本申请为实现上述提出的技术问题，提供了基于机器学习沟道耕地非粮化识别方法、系统及存储介质。
[0004] 为实现本申请目的，提供的技术方案如下：
[0005] 一种基于机器学习的沟道耕地非粮化识别方法，该识别方法包括以下步骤：
[0006] S1：分析沟道耕地非粮化与自然形成因素之间的多重共线性问题；
[0007] S2：建立沟道耕地非粮化训练数据集，完成多通道图层信息的提取；
[0008] S3：构建适合研究区的DeepLabV3+机器学习模型，实现对沟道耕地非粮化的提取。
[0009] 优选地，所述DeepLabV3+机器学习模型是在DeepLabV3模型利用具有多个扩张率的池化特征获取上下文信息基础上，融入了Encoder Decoder结构；所述Encoder Decoder结构用于融合多尺度信息并获取图像分割结果，通过控制空洞卷积来平衡输出编码特征的分辨率精度与运行时间，Encoder使用空洞卷积提取特征，替代了下采样的过程，Decoder用于恢复目标边界细节。
[0010] 优选地，所述DeepLabV3+机器学习模型将内部特征提取模型设置为Resnet18模型。
[0011] 优选地，所述Resnet18模型的输入数据为第04、17、28组合波段下共226个沟道耕地非粮化训练样本，并将训练样本的原始小图与标签小图建立联系。
[0012] 优选地，所述步骤S2利用ENVI完成了对研究区的遥感影像的预处理；所述步骤S2利用Arcmap分别提取267个沟道耕地非粮化图斑和非沟道耕地非粮化图斑作为正样本和负样本，共包含5580个像元。
[0013] 本申请所采用的另一个技术方案是：
[0014] 一种基于机器学习的沟道耕地非粮化识别系统，该系统包括：
[0015] 采集分析模块，用于分析沟道耕地非粮化与自然形成因素之间的多重共线性问题；
[0016] 遥感处理模块，用于建立沟道耕地非粮化训练数据集，完成多通道图层信息的提取；
[0017] 信息数据库模块，用于构建适合研究区的DeepLabV3+机器学习模型，实现对沟道耕地非粮化的提取。
[0018] 本申请所采用的再一个技术方案是：
[0019] 一种计算机可读存储介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得上面所述的任意识别方法被执行。
[0020] 本申请的有益效果是：
[0021] (1)DeepLabV3+机器学习模型可以在卷积结构的机器学习网络中基于对象块进行分类，并输出分类概率，利用卷积神经网络模型学习对象块内部和整体的空间信息，来表示类别的上下文空间语义信息。
[0022] (2)DeepLabV3+机器学习模型表示类别在对象块级别的概率，这可以避免像素级别的不匹配，提高分类的准确性。
[0023] (3)DeepLabV3+机器学习模型可以在不破坏数据结构的情况下直接读取遥感图像，并且可以获得更丰富的多源数据集，使训练后的模型具有鲁棒性。
法律保护范围
涉及权利要求数量7：其中独权3项，从权-3项
1.一种基于机器学习的沟道耕地非粮化识别方法，其特征在于：所述识别方法包括以下步骤：
S1：分析沟道耕地非粮化与自然形成因素之间的多重共线性问题；
S2：建立沟道耕地非粮化训练数据集，完成多通道图层信息的提取；
S3：构建适合研究区的DeepLabV3+机器学习模型，实现对沟道耕地非粮化的提取。
2.根据权利要求1所述的基于机器学习的沟道耕地非粮化识别方法，其特征在于：所述DeepLabV3+机器学习模型是在DeepLabV3模型利用具有多个扩张率的池化特征获取上下文信息基础上，融入了Encoder Decoder结构；
所述Encoder Decoder结构用于融合多尺度信息并获取图像分割结果，通过控制空洞卷积来平衡输出编码特征的分辨率精度与运行时间，Encoder使用空洞卷积提取特征，替代了下采样的过程，Decoder用于恢复目标边界细节。
3.根据权利要求1所述的基于机器学习的沟道耕地非粮化识别方法，其特征在于：所述DeepLabV3+机器学习模型将内部特征提取模型设置为Resnet18模型。
4.根据权利要求3所述的基于机器学习的沟道耕地非粮化识别方法，其特征在于：所述Resnet18模型的输入数据为第04、17、28组合波段下共226个沟道耕地非粮化训练样本，并将训练样本的原始小图与标签小图建立联系。
5.根据权利要求1所述的基于机器学习的沟道耕地非粮化识别方法，其特征在于：所述步骤S2还包括利用ENVI完成了对研究区的遥感影像的预处理；
所述步骤S2利用Arcmap分别提取267个沟道耕地非粮化图斑和非沟道耕地非粮化图斑作为正样本和负样本。
6.一种基于机器学习的沟道耕地非粮化识别系统，其特征在于：该系统包括：
采集分析模块，用于分析沟道耕地非粮化与自然形成因素之间的多重共线性问题；
遥感处理模块，用于建立沟道耕地非粮化训练数据集，完成多通道图层信息的提取；
信息数据库模块，用于构建适合研究区的DeepLabV3+机器学习模型，实现对沟道耕地非粮化的提取。
7.一种计算机可读存储介质，其特征在于：包括计算机程序，当所述计算机程序在计算机上运行时，使得权利要求1‑5任一项所述的识别方法被执行。
