針對(duì)遙感影像的MSA-YOLO儲(chǔ)油罐目標(biāo)檢測(cè)
2022年電子技術(shù)應(yīng)用第11期
李 想1，2,，特日根1,，2，趙宇恒1,，2,，陳文韜1，2,，徐國(guó)成3
1.長(zhǎng)光衛(wèi)星技術(shù)股份有限公司,，吉林 長(zhǎng)春130000； 2.吉林省衛(wèi)星遙感應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室,，吉林 長(zhǎng)春130000,； 3.吉林大學(xué) 材料科學(xué)與工程學(xué)院，吉林 長(zhǎng)春130000
摘要： 原油作為一種重要的戰(zhàn)略物資,，在我國(guó)經(jīng)濟(jì)和軍事等多個(gè)領(lǐng)域均起到重要作用,。提出一種算法MSA-YOLO(MultiScale Adaptive YOLO)，該算法在YOLOv4算法的基礎(chǔ)上進(jìn)行優(yōu)化,，并基于以吉林一號(hào)光學(xué)遙感衛(wèi)星影像為主的遙感圖像數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),，對(duì)特定監(jiān)控區(qū)域內(nèi)的儲(chǔ)油罐進(jìn)行識(shí)別與分類。算法優(yōu)化內(nèi)容包括：為簡(jiǎn)化儲(chǔ)油罐監(jiān)測(cè)模型同時(shí)保證模型的效率,，對(duì)YOLOv4的網(wǎng)絡(luò)結(jié)構(gòu)中的多尺度識(shí)別模塊進(jìn)行修剪,；使用k-means++聚類算法進(jìn)行初始錨框的選取,，使模型加速收斂；使用基于CIoU-NMS的優(yōu)化,，進(jìn)一步提升推理速度和準(zhǔn)確度,。實(shí)驗(yàn)結(jié)果表明，與YOLOv4相比,，MSA-YOLO模型參數(shù)數(shù)量減少25.84%,；模型尺寸減少62.13%；在Tesla V100的GPU環(huán)境下,，模型的訓(xùn)練速度提升6 s/epoch,，推理速度提升15.76 F/s；平均精度為95.65%,。與此同時(shí),，MSA-YOLO算法在多種通用目標(biāo)識(shí)別算法進(jìn)行的對(duì)比實(shí)驗(yàn)中均體現(xiàn)出了更高效的特點(diǎn)。MSA-YOLO算法對(duì)儲(chǔ)油罐進(jìn)行準(zhǔn)確且實(shí)時(shí)的識(shí)別具有通用可行性,，可為遙感數(shù)據(jù)在能源期貨領(lǐng)域提供技術(shù)參考,。
中圖分類號(hào)： TP75
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.223191
中文引用格式： 李想，特日根,，趙宇恒,，等. 針對(duì)遙感影像的MSA-YOLO儲(chǔ)油罐目標(biāo)檢測(cè)[J].電子技術(shù)應(yīng)用，2022,，48(11)：24-32,，40
英文引用格式： Li Xiang，Te Rigen,，Zhao Yuheng,，et al. MSA-YOLO oil storage tank target detection for remote sensing images[J]. Application of Electronic Technique，2022,，48(11)：24-32,，40
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.223191
中文引用格式： 李想，特日根,，趙宇恒,，等. 針對(duì)遙感影像的MSA-YOLO儲(chǔ)油罐目標(biāo)檢測(cè)[J].電子技術(shù)應(yīng)用，2022,，48(11)：24-32,，40
英文引用格式： Li Xiang，Te Rigen,，Zhao Yuheng,，et al. MSA-YOLO oil storage tank target detection for remote sensing images[J]. Application of Electronic Technique，2022,，48(11)：24-32,，40
MSA-YOLO oil storage tank target detection for remote sensing images
Li Xiang1，2,，Te Rigen1,，2，Zhao Yuheng1,，2,，Chen Wentao1，2,，Xu Guocheng3
1.Chang Guang Satellite Technology Co.,，Ltd.，Changchun 130000，China,； 2.Main Laboratory of Satellite Remote Sensing Technology of Jilin Province,，Changchun 130000，China,； 3.School of Materials Science and Engineering,，Jilin University，Changchun 130000,，China
Abstract： Crude oil, as an important strategic material, plays an important role in many fields such as my country′s economy and military. This paper proposes an algorithm MSA-YOLO(MultiScale Adaptive YOLO), which is optimized on the basis of the YOLOv4 algorithm, and is experimented based on the remote sensing image dataset mainly based on Jilin-1 optical remote sensing satellite images,，to make identification and classification of oil storage tanks. The algorithm optimization contents include: in order to simplify the oil storage tank monitoring model and ensure the efficiency of the model, prune the multi-scale identification module in the network structure of YOLOv4; use the k-means++ clustering algorithm to select the initial anchor frame to accelerate the convergence of the model;use CIoU-NMS-based optimization to further improve inference speed and accuracy. The experimental results show that compared with YOLOv4, the number of parameters of MSA-YOLO model is reduced by 25.84%; the model size is reduced by 62.13%; in the GPU environment of Tesla V100, the training speed of the model is increased by 6 s/epoch, and the inference speed is increased by 15.76 F/s; the average accuracy is 95.65%. At the same time, the MSA-YOLO algorithm shows more efficient characteristics in the comparative experiments of various general target recognition algorithms. The MSA-YOLO algorithm has universal feasibility for accurate and real-time identification of oil storage tanks, and can provide technical reference for remote sensing data in the field of energy futures.
Key words : computer vision；target recognition,；deep learning,；YOLO；sorage tank detection
0 引言
近年來(lái),，隨著高分辨率光學(xué)衛(wèi)星遙感影像處理技術(shù)的快速發(fā)展,，基于遙感影像的目標(biāo)識(shí)別取得了大量成果。其中,，對(duì)地表自然形成或人造物體進(jìn)行識(shí)別一直是從業(yè)人員的關(guān)注重點(diǎn)之一,。儲(chǔ)油罐是在石油、天然氣等石化行業(yè)中使用的設(shè)備,，用于儲(chǔ)存在環(huán)境溫度下為液態(tài)的原油或者其他化工產(chǎn)品度下為液態(tài)的原油或者其他化工產(chǎn)品。按照儲(chǔ)油罐的不同用途,，分為固定頂型和外浮頂型,。利用遙感影像的太陽(yáng)高度角和內(nèi)外陰影參數(shù)，可以對(duì)外浮頂儲(chǔ)油罐的滿油率進(jìn)行估算,，通過(guò)滿油率數(shù)據(jù)在能源期貨價(jià)格的預(yù)測(cè)模型中進(jìn)行回歸分析,，不但可以為能源期貨交易機(jī)構(gòu)提供參考，還能對(duì)我國(guó)原油的采購(gòu)及存儲(chǔ)等起到指導(dǎo)作用,。而在上述工作中,，首要任務(wù)是在高分辨率遙感影像中實(shí)現(xiàn)固定頂和外浮頂儲(chǔ)油罐的高效識(shí)別與分類。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://forexkbc.com/resource/share/2000005000,。
作者信息：
李 想1,，2，特日根1,，2,，趙宇恒1，2,，陳文韜1,，2，徐國(guó)成3
(1.長(zhǎng)光衛(wèi)星技術(shù)股份有限公司，吉林 長(zhǎng)春130000,；
2.吉林省衛(wèi)星遙感應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室,，吉林 長(zhǎng)春130000；
3.吉林大學(xué) 材料科學(xué)與工程學(xué)院,，吉林 長(zhǎng)春130000)
此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載。