本次研究是基于1米分辨率的真彩色影像对农田中所种植的南瓜进行自动识别提取，统计其数量，这是我们实现南瓜估产的第一步。通过深度学习获得田间南瓜的数量与占地面积，基于对南瓜的占地面积大小进行划分，通过实际考察得出特定面积范围大小的南瓜所具备的真实重量，来估算南瓜的产量。
原始数据
图像分辨率：1米
参与波段：红光波段、绿光波段、蓝光波段
图1 原始图像（红、绿、蓝）
图2 “南瓜”样本点矢量文件
基本技术路线
利用eCognition软件中的深度学习技术来对图像进行数据处理与“南瓜”识别。深度学习方法分类基本流程为：①创建模型；②训练模型；③保存模型；④应用模型。相关图像分析技术流程如下:
图3 eCognition地物深度学习分类方法基本应用流程
数据处理
（一）基于eCognition软件识别“南瓜”
主要是基于eCognition软件中的深度学习技术，实现样本的一键式创建与应用。
图4 基于矢量（缓冲区）分割效果与分类效果
2. 基于生成标签样本算法（generate labeled sample patches），一键式自动化生成“南瓜”的样本图片和非样本图片，主要参数设置与样本情况如下所示：
图5 生成“南瓜”样本参数设置面板
图 6“南瓜”样本展示（局部放大）
图7 非“南瓜”样本展示
3. 开始卷积神经网络模型的创建与应用。主要通过以下四步来实现：创建CNN模型、训练模型、保存模型与应用模型。
图8 卷积神经网络模型应用基本流程
4. 基于“南瓜”热度图使用隶属度函数进行分类，首先创建隶属度函数的阈值范围，选择合适的隶属度函数，设置最大值与最小值。
图9 “南瓜”热度图效果
图10 隶属度函数设置面板
图11 多尺度分割效果
6. 基于classification算法进行“南瓜”地物的分类显示。下面就是我们基于深度学习算法的“南瓜”分类结果。
图12 “南瓜”分类效果
7.将“南瓜”的分类结果斑块转换为矢量点数据，便于统计“南瓜”的数量。成果展示如下：
图13 eCognition软件界面——“南瓜”分类结果
图14 属性表展示
北京图源科技有限公司
图源科技作为3S行业解决方案提供商，拥有自主研发团队，能够为广大用户提供从3S数据获取、处理、解译、应用到成果数据管理和分发的“一站式”应用解决方案及承接相关专业技术和工程服务项目。
1. Inpho多源数据处理系统
2. eCognition多源遥感影像解译系统
3. Trimble三维激光扫描系统
4. 美国MAXAR公司卫星影像产品
5. 法国YellowSacn公司无人机LIDAR系统
6. 3D PluraView 立体显示器
7. 多源数据管理及免切片发布系统
8. MapCore-AI变化监测系统
9. 4D产品数据生产
10. 三维激光扫描内外业项目
