【技术名称】一种自适应的尾矿库遥感深度学习检测方法

【应用行业】遥感技术

【技术领域】本发明属于矿山安全监测与遥感影像处理技术领域，特别是一种耦合级联优化和特征自适应的尾矿库遥感深度学习检测方法。在尾矿库安全管控中，提取各区域尾矿库精准位置信息，可用于科学开展尾矿库的安全监测与风险评估工作。

【知识产权】发明专利

【成果完成单位】华中师范大学

【成果完成人姓名】吴浩、刘冰洁、吴紫薇

【完成人团队简介】吴浩教授团队主要从事地理信息与遥感科学研究，主持国家重点研发计划课题1项、国家自然科学基金4项、湖北省部重大计划重点项目1项和和企事业单位课题30余项。

【成果完成时间】2022-09-29

【专利号】CN202211212391.4

【授权日期】2025-02-11

【技术成熟度】研发阶段

【应用背景】尾矿库是用于储存矿山工业生产的尾矿资源场所，通常由人工坝体进行围筑，是一种具有高势能的泥石流危险源，随着尾矿与积水的逐年积累，尾矿库失稳的概率逐年上升将对周边环境造成严重危害。由于矿产资源需要，现各地逐年有不同等级尾矿库增加，大型尾矿库由于高势能常年有尾矿坝安全评估需要，小型尾矿库的规模小、开设门槛低，更容易存在安全度水平低、尾矿泄露事故发生的问题，因此精准获取尾矿库空间分布与进行信息更新对尾矿库科学管理极为重要。

现有研究中在遥感图像处理技术领域提出了多种特征分析和尾矿库检测方法，成功突破了尾矿库提取的技术壁垒。已经有的方法主要分为两个分支：一是基于传统机器学习方法构建尾矿库特征提取模型，二是基于深度学习框架进行的目标提取方法。基于传统机器学习的方法主要针对尾矿库的场景组成特征进行了大量的研究，汪金花等使用DT-tailings规则基于决策树的方式进行了高分一号遥感影中单个尾矿库的提取，B.D.Ma等使用主成分分析和快速大气校正法进行了遥感影像的处理与尾矿库光谱特征的提取，熊文成等进行了锰矿尾矿库特征分析，并定性分析了它们的散射特性以及合成孔径雷达(SAR)和光学图像的差异，通过利用空间和结构模式探索了一种面向对象的特征学习方法。王创业等分析了QuickBird数据集中尾矿和固体废物的光谱、纹理和空间几何特征，然后确定了尾矿和固体废物的最佳分割阈值。该类研究在分析尾矿库特征方面取得了很大的成就，但是这些提取方法只能通过手动调整阈值和图像分割来实现，不具有自主性和灵活性，且上述机器学习分类方法虽实现了对单个尾矿库的提取，应用于大规模尾矿库检测时，这些方法在尾矿库特征表示方面表现欠佳。随着人工智能领域深度学习框架及其强大的遥感图像处理能力的发展，部分目标检测框架初步尝试应用于尾矿库的遥感检测，单阶段模型如YOLOv4、SSD检测方法，双阶段模型如Faster R-CNN及其基于特征金字塔、注意力机制改进模型，均对遥感影像中的尾矿库进行了特征的学习与提取，此外，为解决尾矿库选址和边界提取的困难，多任务分支网络(MTBNet)被提出用来对检测候选框进行坐标的优化，进一步提高了尾矿库检测模型的精度。

经对上述方法分析与现有研究方法的评估，尾矿库的高精度大规模遥感检测仍然是一项艰巨的任务。不同于常规的均质目标检测对象，不同区域、不同等级的尾矿库大小不一致且形状边界不规则，这对遥感图像的特征学习提出了挑战，传统用于固定形状物体(如坦克、轮船和飞机)检测并表现良好的框架直接迁移到大规模尾矿库的遥感影像检测常常会因为对象尺度多样性而存在定位不准的问题；此外，由于不同阶段的尾矿库的场景组成不同，特征无法有效学习、较多相似目标的误检会使得检测结果存在识别精度较低的问题。综合上述方法，现有尾矿库检测中仍有两个问题没有得到有效解决：1)定位精度低，现有检测方法可以区域建议框的方式输出对象的位置和类别信息，当边界框定位精度低时普遍存在误判丢失许多真实检测目标；2)虚警率高，尾矿库在遥感影像中场景复杂，在深度学习框架的检测结果中，它们通常伴随着虚警目标。

近年来，人工智能技术的应用给各行各业都带来了新的发展机遇。人工智能技术特别是深度学习技术的快速发展，也已经成为测绘遥感学科发展的重要驱动力量。随着国内外卫星商业化的发展，以及无人机的普及，遥感数据量快速增长，空间分辨率、时间分辨率、光谱分辨率得到不断提升，为遥感监测及其他多领域应用提供了基本数据保障,也为遥感目标的快速、准确、自动化识别带来了新的指向，也是未来的发展趋势。实现遥感数据中目标地物信息的提取，如属性信息、位置范围和变化信息等，但认知水平及技术的局限性影响了这些信息的可靠性。将传统的遥感目标识别方法发展为智能化的遥感目识别方法，具有数据更新频率高、省时省力的优点，再现有的方法的基础上值得针对尾矿库特征做进一步的方法改进，提升识别精度和方法的鲁棒性。

【成果简介】本发明提供的自适应的尾矿库遥感深度学习检测方法，用于大范围尾矿库识别与提取。本发明提出了一种全新的尾矿库遥感提取框架，即：首先，采用特征金字塔网络基于尾矿库遥感影像数据集进行不同尺度大小尾矿库深度特征学习；其次，采用级联定位优化模块，根据特征值对尾矿库进行定位并使用多级检测器对定位坐标进行优化；第三，根据定位优化值获取候选检测对象，基于深度学习算法与传统特征提取算法进行多维特征的提取与融合，生成特征向量；最后，采用自适应特征学习分类器基于特征向量进行集成学习与分类，剔除虚警目标并提取尾矿库。本发明具有定位精度高、虚警率低、应用范围广等优点，可为尾矿库分布信息动态更新与安全管理提供重要依据。

【成果图片】

【联系方式】汪兵、安红高、刘树楠、吴涛，02767862377，02767862003