技術(shù)特征：

1.一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，其方法包括：

2.如權(quán)利要求1所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，構(gòu)建密集型特征融合分割網(wǎng)絡(luò)的方法包括：

3.如權(quán)利要求1所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，構(gòu)建基于擬態(tài)自學(xué)習(xí)的智能識(shí)別網(wǎng)絡(luò)模型的方法包括：

4.如權(quán)利要求3所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，對(duì)無標(biāo)簽樣本進(jìn)行數(shù)據(jù)增強(qiáng)并生成偽標(biāo)簽的方法包括：

5.如權(quán)利要求4所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，對(duì)學(xué)生模型與教師模型進(jìn)行多次迭代的交互訓(xùn)練的方法包括：

6.如權(quán)利要求3所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，對(duì)學(xué)生模型與教師模型進(jìn)行模型驗(yàn)證的方法包括：

7.如權(quán)利要求1所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，標(biāo)注礦區(qū)用地并柵格化裁剪為影像塊的方法包括：

8.如權(quán)利要求7所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，用地類型包括露天采場(chǎng)、排土場(chǎng)、煤堆、礦山建筑、喬木、灌木、高/中/低覆蓋度草地、草灌喬混交、水體、道路和裸地。

9.如權(quán)利要求1所述的一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法，其特征在于，訓(xùn)練集、驗(yàn)證集和測(cè)試集的比例為6：4：1。

10.一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于擬態(tài)自學(xué)習(xí)的礦區(qū)用地智能識(shí)別方法及系統(tǒng)，該方法包括：獲取礦區(qū)遙感影像并預(yù)處理，標(biāo)注礦區(qū)用地并柵格化裁剪為影像塊，作為有標(biāo)簽樣本，有標(biāo)簽樣本包括訓(xùn)練集、驗(yàn)證集和測(cè)試集；構(gòu)建密集型特征融合分割網(wǎng)絡(luò)，對(duì)有標(biāo)簽樣本進(jìn)行特征提取得到礦區(qū)用地特征圖；構(gòu)建基于擬態(tài)自學(xué)習(xí)的智能識(shí)別網(wǎng)絡(luò)模型，向智能識(shí)別網(wǎng)絡(luò)模型輸入土地利用有標(biāo)簽樣本和無標(biāo)簽樣本進(jìn)行模型訓(xùn)練，得到訓(xùn)練后的智能識(shí)別網(wǎng)絡(luò)模型；向訓(xùn)練后的智能識(shí)別網(wǎng)絡(luò)模型輸入待識(shí)別礦區(qū)影像得到礦區(qū)用地的識(shí)別結(jié)果。本發(fā)明增強(qiáng)了對(duì)礦區(qū)用地不同尺度信息的綜合把握，能夠適應(yīng)各種復(fù)雜場(chǎng)景和變化，降低標(biāo)注工作量，提高模型訓(xùn)練的效率。

技術(shù)研發(fā)人員：祖華,李哲峰,韓鵬,溫曉東,楊歡,孫睿
受保護(hù)的技術(shù)使用者：山西煤炭進(jìn)出口集團(tuán)河曲舊縣露天煤業(yè)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6