用于实现对德清县扬尘污染源遥感监测中问题点位的高效精准识别，主要识别内容为治气中的扬尘污染源。算法通过问题点位在影像中的相对位置，自动计算出现问题的实地坐标，便于确定需要进行实地处理的位置。并且自动识别点位问题类型，精准发现未覆盖施工工地、裸露地表、渣土堆等扬尘污染源。为后续的人员管理与问题派发提供方便，有利于网格员及时掌握自己管理区域的情况。解决了网格员在传统人工巡查中难以发现问题，容易忽略问题，巡查范围太大，隐蔽地段、偏远地区与恶劣环境中不易巡查等问题。将系统识别出的问题点位派发给网格员，使网格员有依据、有目标的实地确认，极大的提高了发现问题的效率，节约人员时间与人工成本，避免网格员出现无效的巡查。
基于无人机航拍采集的扬尘污染源遥感影像数据，通过YOLO算法进行实时目标检测。首先将单元神经网络应用于2024年10月的遥感影像，将图像分割成19x19的单元格，每个单元神经网络负责预测K个单元格。预测每个区域的概率，所有单元格上具有最大概率的类被选择并分配给特定的网格单元，生成预测点坐标（x，y），坐标系为CGCS2000，坐标为东经、北纬。 在预测类概率后，进行NMS运算，来消除不必要的锚点。算法识别下一个最高类别概率的边界框，并进行相同的运算过程，直到剩下所有不同的边界框。算法输出所需的要素，并显示各个类的边界框的细节。 抽取部分样本进行识别准确度验证，小于0.6视为识别错误，显示为FALSE；一般样本的识别准确度在0.8至1之间，大于等于0.6视为识别正确，显示为TRUE。通过判断结果正确或错误来纳入或排除数据，将识别正确的点位判定为扬尘污染源类别。最后将纳入的点位坐标、问题类型等信息自动上传至扬尘污染源智能监管平台，获得德清县扬尘污染源遥感监测识别数据。
| 字段名 | 类型 | 描述 |
|---|---|---|
事件编号 |
-- | -- |
影像时间 |
-- | -- |
东经 |
-- | -- |
北纬 |
-- | -- |
种类 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 事件编号 | 3216YC202410120288,3216YC202410120083,32 |
| 影像时间 | 20241012,20241012,20241012,20241012,2024 |
| 东经 | 119.96260064,120.28354772,119.86745938,1 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/8391569