历史建筑遥感监测识别数据

用于实现对历史建筑遥感监测中历史建筑点位的高效精准识别，主要识别内容为历史建筑管理中的居住小区、工业遗产及公共建筑。算法通过历史建筑点位在影像中的相对位置，自动计算出现有历史建筑的实地坐标、面积等信息。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历史建筑遥感影像数据，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1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历史建筑类别。最后将纳入的点位坐标、建筑类型等信息自动上传至历史建筑智能监管平台，获得历史建筑遥感监测识别数据。

搜集汇总

背景与挑战

背景概述

该数据集包含503条历史建筑遥感监测记录，每年更新，采用xlsx格式存储，涵盖建筑坐标、类别和识别准确度等字段。它通过YOLO算法实现高效建筑识别，应用于解决人工巡查难题，提升历史建筑管理效率，数据已进行区块链存证确保可信性。