潘興利

摘要：隨著人工智能技術(shù)的不斷發(fā)展，圖像識(shí)別技術(shù)也不斷朝著智能化的方向發(fā)展。特別是在一些識(shí)別難度較大的環(huán)境中，這種技術(shù)可以取代傳統(tǒng)的圖像識(shí)別方式，客觀(guān)且準(zhǔn)確地完成圖像識(shí)別。因此，本課題研究具有十分重要的意義。

關(guān)鍵詞：智能識(shí)別;土地衛(wèi)片執(zhí)法;審核

引言

自2010年以來(lái)，自然資源部（原國(guó)土資源部，下同）每年在全國(guó)部署開(kāi)展年度全覆蓋衛(wèi)片檢查工作。通過(guò)開(kāi)展年度衛(wèi)片檢查，嚴(yán)肅查處了大批國(guó)土資源違法行為，有力震懾了違法當(dāng)事人，在提高地方黨委政府依法依規(guī)管地管礦用地用礦意識(shí)、有效保護(hù)國(guó)土資源、維護(hù)國(guó)土資源管理秩序方面發(fā)揮了重要作用。2017年度衛(wèi)片檢查，自然資源部要求必須對(duì)衛(wèi)片檢查信息系統(tǒng)下發(fā)的衛(wèi)片圖斑逐一填報(bào)合法性判定結(jié)果及判定依據(jù)，對(duì)需要舉證的地方要進(jìn)行舉證。地方舉證人員必須到待舉證圖斑現(xiàn)場(chǎng)，進(jìn)行實(shí)地拍照和信息填報(bào)，舉證照片將作為審核的重要信息。然而，衛(wèi)片檢查工作時(shí)間緊、任務(wù)重，且舉證圖斑無(wú)法全數(shù)審核，需要考慮利用深度學(xué)習(xí)技術(shù)智能識(shí)別舉證照片以提高審核工作效率。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，圖像識(shí)別技術(shù)有較好的識(shí)別效果，利用圖像識(shí)別技術(shù)開(kāi)展基于影像數(shù)據(jù)的土地有關(guān)自動(dòng)分類(lèi)研究也越來(lái)越多，但對(duì)基于舉證照片的土地衛(wèi)片執(zhí)法輔助審核有關(guān)的智能識(shí)別研究鮮有報(bào)道。

1智能圖像識(shí)別技術(shù)概述

智能圖像識(shí)別技術(shù)是人工智能領(lǐng)域的一項(xiàng)技術(shù)，圖像識(shí)別技術(shù)的對(duì)象主要是圖像，以各種類(lèi)型的圖像為基礎(chǔ)，通過(guò)對(duì)圖像進(jìn)行處理可以整合復(fù)雜信息，降低數(shù)據(jù)處理的難度。由于每一個(gè)圖像都是具有自己的特色的，將信息制作成圖像難度比較大，工作人員需要對(duì)數(shù)據(jù)信息進(jìn)行層層的處理，在經(jīng)歷過(guò)層層的加工之后數(shù)據(jù)信息可以以復(fù)雜圖像的形式呈現(xiàn)出來(lái)。圖像制作過(guò)程主要是通過(guò)人工智能來(lái)實(shí)現(xiàn)的，主要的過(guò)程和步驟是在獲取信息的基礎(chǔ)上，計(jì)算機(jī)對(duì)數(shù)據(jù)信息進(jìn)行預(yù)處理，然后根據(jù)數(shù)據(jù)信息的特征選擇屬于數(shù)據(jù)信息的特征，在確定好數(shù)據(jù)信息的特征之后，再選擇相應(yīng)的模板匹配模型，這樣看來(lái)圖像的處理過(guò)程十分復(fù)雜，需要借助于人工智能大數(shù)據(jù)技術(shù)，對(duì)眾多的數(shù)據(jù)信息進(jìn)行分門(mén)別類(lèi)的處理，根據(jù)處理的結(jié)果選擇合適的模型。但是圖像制作完成之后，也會(huì)出現(xiàn)各種各樣的問(wèn)題，工作人員在識(shí)別圖像的時(shí)候會(huì)面臨各種各樣的問(wèn)題，為了降低圖像識(shí)別的難度，需要重視技術(shù)的融合。智能圖像識(shí)別技術(shù)需要設(shè)計(jì)的工作有很多，并且工作比較復(fù)雜，需要涉及各個(gè)部門(mén)的工作，因此做好各部門(mén)之間的信息共享十分重要。

2人工智能中的圖像識(shí)別技術(shù)原理

人工智能中的圖像識(shí)別技術(shù)，其原理復(fù)雜程度不高，與肉眼識(shí)別相比，二者并無(wú)明顯的差異，僅在過(guò)程上有所差別。圖像識(shí)別技術(shù)在識(shí)別圖片時(shí)，會(huì)通過(guò)掃描的方式運(yùn)用人工智能、虛擬現(xiàn)實(shí)技術(shù)提取圖像特點(diǎn)，然后在數(shù)據(jù)庫(kù)中找出與之類(lèi)似的圖像，最終完成對(duì)圖像的識(shí)別和處理。目前，圖像識(shí)別技術(shù)的應(yīng)用領(lǐng)域十分廣泛，在電力、醫(yī)療、工業(yè)等領(lǐng)域的應(yīng)用較為普遍，主要負(fù)責(zé)圖像處理和識(shí)別等任務(wù)。人工智能中的圖像識(shí)別技術(shù)的原理：通過(guò)對(duì)不同類(lèi)型處理方式的使用，不斷積累數(shù)據(jù)，以實(shí)現(xiàn)分析圖片和實(shí)際事物的目的。在此基礎(chǔ)上，結(jié)合智能技術(shù)可以將二維平面圖形轉(zhuǎn)化為三維模型。正因如此，圖像識(shí)別技術(shù)在醫(yī)療行業(yè)領(lǐng)域取得了良好的應(yīng)用效果。比如：患者在生病后通過(guò)拍片的方式，即可明確發(fā)生病情的身體部位和原因。

3圖像識(shí)別技術(shù)在土地衛(wèi)片執(zhí)法審核中的應(yīng)用

3.1數(shù)據(jù)特點(diǎn)分析

在土地衛(wèi)片執(zhí)法工作中，需要各地針對(duì)國(guó)家季度衛(wèi)片圖斑進(jìn)行現(xiàn)場(chǎng)圖斑核實(shí)和上報(bào)，其中，圖斑類(lèi)型準(zhǔn)確與否是上級(jí)審核的主要內(nèi)容，而舉證照片就是圖斑類(lèi)型的最直接、最重要的佐證材料。舉證照片是工作人員在實(shí)地拍攝的舉證圖斑的現(xiàn)場(chǎng)照片，主要包括設(shè)施農(nóng)用地、臨時(shí)用地、臨時(shí)占用林地、林業(yè)生產(chǎn)工程設(shè)施、農(nóng)村道路、不改變?cè)玫匦再|(zhì)的光伏用地、實(shí)地未變化、農(nóng)田水利設(shè)施、農(nóng)業(yè)簡(jiǎn)易棚、水面簡(jiǎn)易棚、土地整理、農(nóng)業(yè)結(jié)構(gòu)調(diào)整、水面高架路橋、河堤整治、邊坡治理、電塔用地、鄉(xiāng)村旅游用地、點(diǎn)狀供地項(xiàng)目用地、搶險(xiǎn)救災(zāi)用地、災(zāi)毀用地、軍用土地、海域、其他特別用地等23個(gè)類(lèi)別。舉證照片是以土地執(zhí)法管理屬性為依據(jù)劃分類(lèi)別的，人文信息復(fù)雜、類(lèi)別眾多，且不同類(lèi)別舉證照片還具有相似的交叉圖像特征，不能簡(jiǎn)單地將所有類(lèi)別的舉證照片進(jìn)行圖像識(shí)別應(yīng)用。

3.2圖像匹配分類(lèi)

圖像匹配分類(lèi)需利用有效程序制定標(biāo)準(zhǔn)的識(shí)別規(guī)則，避免盲目識(shí)別造成的數(shù)據(jù)誤差。按照標(biāo)準(zhǔn)的識(shí)別規(guī)則可以突顯出相似的特征種類(lèi)。對(duì)圖像匹配分類(lèi)需要圖像識(shí)別過(guò)程具有很好的辨識(shí)度，不僅需要標(biāo)準(zhǔn)的識(shí)別規(guī)則，還需要設(shè)計(jì)合適的分類(lèi)器。常用的分類(lèi)器有Adaboost分類(lèi)器和SVM分類(lèi)器。前者利用迭代的分類(lèi)方法，自適應(yīng)組合精度更高的弱分類(lèi)器，合成一個(gè)功能強(qiáng)大的分類(lèi)器;后者利用二分類(lèi)算法，獲取小數(shù)據(jù)集的分類(lèi)精度，同時(shí)可以支持線(xiàn)性和非線(xiàn)性分類(lèi)。

3.3技術(shù)路線(xiàn)

在現(xiàn)有基本建設(shè)工程管理制度和設(shè)計(jì)概預(yù)算編制辦法指導(dǎo)下，按照系統(tǒng)性、差異性、記實(shí)性、典型性、適應(yīng)性等測(cè)定基本原則和技術(shù)精度要求開(kāi)展試驗(yàn)，從工程、工點(diǎn)、施工條件的選擇，無(wú)人機(jī)參數(shù)設(shè)置，圖形圖像識(shí)別處理、數(shù)理統(tǒng)計(jì)與分析研究，組織工作等方面擬定工作大綱。通過(guò)對(duì)路基工程典型工點(diǎn)航拍影像的識(shí)別計(jì)算，對(duì)比現(xiàn)場(chǎng)寫(xiě)實(shí)記錄的結(jié)果，得出兩者的差值，分析其成因，判定試驗(yàn)方案的科學(xué)性、可行性，為增強(qiáng)定額測(cè)定數(shù)據(jù)的完整性、準(zhǔn)確性和真實(shí)性，為今后采用人工智能開(kāi)展定額測(cè)定探索新的路徑。

3.4神經(jīng)網(wǎng)絡(luò)

在大數(shù)據(jù)時(shí)代下，圖像識(shí)別技術(shù)在發(fā)展的過(guò)程中與多項(xiàng)技術(shù)相融合，其中神經(jīng)網(wǎng)絡(luò)技術(shù)便是代表性技術(shù)。其應(yīng)用方式為集傳統(tǒng)圖像識(shí)別技術(shù)和神經(jīng)網(wǎng)絡(luò)算法于一體的新型圖像識(shí)別技術(shù)。神經(jīng)網(wǎng)絡(luò)技術(shù)是人工智能技術(shù)的重要組成部分，與圖像識(shí)別技術(shù)相融合，可以使兩種技術(shù)的優(yōu)勢(shì)充分發(fā)揮。以人工神經(jīng)網(wǎng)絡(luò)為例，人工神經(jīng)網(wǎng)絡(luò)可以對(duì)人類(lèi)神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬，具備學(xué)習(xí)能力，在經(jīng)過(guò)大量的訓(xùn)練后，其識(shí)別率會(huì)直線(xiàn)上升。與傳統(tǒng)圖像識(shí)別技術(shù)相比，基于神經(jīng)網(wǎng)絡(luò)算法的圖像識(shí)別技術(shù)，在識(shí)別復(fù)雜圖像時(shí)可以取得良好的效果，但技術(shù)應(yīng)用成本卻有所增加。這項(xiàng)技術(shù)的圖像識(shí)別過(guò)程與傳統(tǒng)圖像識(shí)別技術(shù)相同，其優(yōu)勢(shì)主要表現(xiàn)為識(shí)別效率高和精度高，能夠?qū)崿F(xiàn)對(duì)圖像的快速識(shí)別，同時(shí)還能依據(jù)圖像特征進(jìn)行分類(lèi)處理。

結(jié)束語(yǔ)

利用航空攝影圖像識(shí)別技術(shù)開(kāi)展工程定額測(cè)定是一項(xiàng)多學(xué)科應(yīng)用的創(chuàng)新研究，其中GIS數(shù)據(jù)、圖像采集、目標(biāo)識(shí)別、邏輯算法等是該技術(shù)應(yīng)用的關(guān)鍵。通過(guò)驗(yàn)證，該技術(shù)路線(xiàn)、試驗(yàn)方法和成果滿(mǎn)足研究要求，過(guò)程客觀(guān)公正，不僅具有進(jìn)一步深入研究和推廣應(yīng)用價(jià)值，而且對(duì)拓展定額測(cè)定工作思路，利用高科技測(cè)定方法開(kāi)展其他專(zhuān)業(yè)定額測(cè)定也有較強(qiáng)的借鑒意義。

參考文獻(xiàn)

[1]華正陽(yáng).基于視覺(jué)技術(shù)的熱成像圖像識(shí)別系統(tǒng)研究[J].通訊世界，2019，26（12）：12-13.

[2]孔松濤，黃鎮(zhèn)，楊謹(jǐn)如.紅外熱像無(wú)損檢測(cè)圖像處理研究現(xiàn)狀與進(jìn)展[J].紅外技術(shù)，2019，41（12）：1133-1140.

[3]童小明.一種簡(jiǎn)單的圖像識(shí)別技術(shù)[J].軟件，2019，40（12）：218-221+225.

[4]鄧祺盛，紀(jì)爽，李政，馬雪倩，趙璐.基于BP神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別系統(tǒng)[J].現(xiàn)代計(jì)算機(jī)，2019（35）：54-58+62.

[5]唐婭莉.計(jì)算機(jī)圖像識(shí)別技術(shù)的現(xiàn)狀和改進(jìn)建議[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2019（12）：147-148.