基于深度学习的建筑物识别及占用耕地建房自动化监测——以湖南省长沙市X村为例

来源：湖北农业科学杂志2024年第1期北京时间：

作者：石珊1, 胡兵1, 杨丛瑞2

单位：1.长沙市规划信息服务中心,长沙 410006; 2.红河州自然资源和规划局,云南 红河州 661100

摘要：针对农村普遍存在的占用耕地建房现象,基于深度学习和图像分析提出了一种自动化监测方法,通过对高分辨率遥感影像数据的预处理,构建基于卷积神经网络的自动化监测模型,有效判定目标影像中的每个像元格是否占用耕地建房。以湖南省长沙市X村为例,横向比较U-Net、SegNet、DeepLabV3p模型的识别能力。结果表明,当学习率为0.01、批大小为2、迭代次数为100次时,U-Net模型对建筑物的识别结果最佳;该模型共发现66宗潜在占用耕地建房案例,识别结果准确率高且耗时短;该模型充分运用了现代信息技术及方法,可在一定程度提高土地执法监察的工作效率、节省工作时间及资源。

关键词：深度学习,U-Net模型,自动化监测,建筑物识别,占用耕地,土地执法,湖南省长沙市

基金资助：国土资源评价与利用湖南省重点实验室开放课题项目（SYS-ZX-202005）