利用遙感影像進行垃圾識別的研究與分析

吳永軍，王永峰，肖康，王曉華，王燕午

(天津市測繪院有限公司，天津 300381)

1 引 言

改善農村人居環境，建設美麗宜居鄉村，是實施鄉村振興戰略的重要任務之一，是推進鄉村振興的第一場硬仗。經過人居環境整治三年專項行動的開展，天津市農村人居環境明顯得到改善，尤其是村莊主干道路、里巷道路較整潔干凈。但是農村人居環境整治工作還任重道遠，在今年的中央一號文件《中共中央國務院關于全面推進鄉村振興加快農業農村現代化的意見》中指出“實施農村人居環境整治提升五年行動，深入推進村莊清潔和綠化行動[1]”，在《天津市推進農業農村現代化“十四五”規劃》中也將“實施農村全域清潔化工程，大力建設‘三美四鄉’”[2]作為“十四五”的工作內容。

另外，目前全國大多數城市還普遍依靠傳統人力巡查的方式開展人居環境整治工作，存在農村全域清潔化全覆蓋檢查工作量大，涉及面廣，不能做到及時發現問題，及時整改問題；存在可持續的長效管護機制不完善問題；農村污染多以面積形式分布，具有分散性、隱蔽性、隨機性、不易監測、難以量化等特征，同時又與農業生產和農民的日常生活方式緊密結合[3]。為解決農村人居環境整治中的死角和盲區的問題、實現對整治工作取得的成果進行有效監測和監督[4]，本文以天津市9個村作為試點，開展一種利用測繪地理信息部門的遙感影像資源結合人工智能算法進行垃圾目標識別的探索研究，該能夠大力提高農村全域清潔化工作中的巡查效率，以數字化、信息化手段賦能人居環境整治，助力鄉村振興。

2 研究思路

按照小切口試點、小范圍嘗試，總結經驗，形成可復制、可推廣模式的原則，選取具有代表性的區域作為試點，以天津市每年5月～6月份航拍的 0.2 m分辨率的DOM正射影像為基礎數據源，通過人工選取一定數量的垃圾圖像作為樣本庫，基于深度學習遙感目標檢測算法RSADet自動識別出疑似垃圾目標后，經過外業核實取證確定垃圾目標識別的正確率，論證整個方案的可行性。整個方案的流程如圖1所示。

圖1 基于0.2 mDOM進行垃圾目標識別的研究流程

3 試點區域介紹

為充分體現試點的覆蓋面，選擇天津市兩個區各兩個相鄰鎮的相鄰村作為試點區域，選取靜海區某個鎮A的3個村和其相鄰鎮B的2個村，武清區某個鎮C的2個村和相鄰鎮D的2個村共9個村開展試點工作，面積約 31.5 km2。

表1 試點村面積統計(單位/km2)

4 實驗結果

4.1 整體情況

試點區域利用0.2 m DOM進行機器識別共發現疑似垃圾問題點位363處，按照人工+無人機的方式進行現場核實后，落于院內有276處，院外識別正確的71處，識別錯誤的有16處，識別正確率為81.61%。在現場巡查過程中，共新增機器未識別或新出現的院外垃圾問題點位291處，試點區域合計有垃圾問題362處。各試點村現場核實情況如表2所示。

表2 垃圾目標識別結果外業核實情況匯總

4.2 無人機使用情況

現場巡查人員通過人工+無人機的方式對疑似問題點位進行核實，在人員無法到達的地方借助無人機進行航拍取證。在無人機飛往指定點位核實的路線上，如果發現有新的垃圾問題，則作為新增點位進行上報。

9個試點村現場核實中無人機共起落17架次，核實疑似垃圾問題點位31處，約占所有點位的10.3%。通過無人機發現的垃圾問題點位有14處，約占所有新增垃圾問題點位的4.9%。各試點村無人機投入、核實情況如表3所示。

表3 無人機使用情況

4.3 垃圾問題分級分類統計

對試點區域的垃圾問題按照類型進行粗略分類，建筑垃圾約有212處、生活垃圾約有65處、柴草樹枝秸稈等約有27處、畜禽糞便有5處，其他為多種類型垃圾混合約有53處。

根據垃圾覆蓋地面區域、對生態環境的危害程度、對周邊居民生活環境的影響程度分成A、B、C三個等級。A級表示垃圾覆蓋區域廣(面積>100 m2)、對生態環境危害嚴重(垃圾落于永久基本農田、永久生態保護區域)、對居民生活環境影響嚴重(距離居民區 20 m以內)；B級表示垃圾覆蓋區域較大(20 m2<面積<100 m2)、對生態環境危害較大(垃圾落于耕地、主要河流)、對居民生活環境影響較大(距離居民區 100 m以內、20 m以外)；C級表示垃圾覆蓋區域小(面積<20 m2)、對生態環境危害一般(垃圾落于一般區域)、對居民生活環境影響小(距離居民區 100 m以外)。每個村三個等級的垃圾問題點位統計如表4所示。

表4 試點區域垃圾問題分級

按照垃圾問題分布位置進行統計，現有垃圾問題位于村莊內部人群居住區約占1/10，并且以面積小、木板、樹枝為主；村莊外約占9/10，主要分布在村莊通往田間地頭的道路兩邊，如圖2、圖3所示。

圖2 武清區試點村垃圾點位分布

圖3 靜海區試點村垃圾點位分布

5 實驗結果分析

5.1 疑似垃圾問題點位院內外分布情況分析

試點區域基于0.2 m遙感影像+機器識別的方式共獲得363處疑似垃圾問題點位，經人工+無人機方式現場核實后實際位于院外的只有87處，占比約為24.0%，位于院內的有276處，占比約為76%。根據樣本數據分析，疑似垃圾問題點位中位于院內的占比較高，外業核實工作量較大。造成這一情形的原因在于：

(1)影像分辨率不夠，圍墻邊界無法判讀。內業作業人員無法從 0.2 m的航片中清晰地判斷出疑似點位是否位于院落內。按照“無法判斷院內外即歸為院外”的原則，造成一批院內的疑似垃圾問題沒有在前期的人工排查中篩除。

(2)機器識別、人工核查區域不明確。大多數院內的疑似垃圾問題點位位于村界范圍內的工業園、批發市場、廠區，如天津靜海國際農產品物流園、天津國家自主創新示范區靜海高新區等。目前沒有掌握上述這些區域的邊界，所以無法通過前期的篩除，只能通過現場核實、確認。

5.2 垃圾目標識別正確率分析

本次試點區域院外疑似垃圾問題點位共有87處，經現場核實后，確實是垃圾的有71處，錯誤識別的16處，識別正確率為81.61%，其中靜海區識別正確率為87.5%，武清區的識別正確率為53.33%。根據試點樣本數據分析：①疑似點位數量與識別正確率呈正相關關系。疑似點位數量越少，識別正確率越低；疑似點位數量越多，識別正確率越高。②識別正確率與現場(人員+無人機)巡查新增數量呈正相關關系。識別正確率越高，巡查新增數量越多；識別正確率越低，巡查新增數量越少。繼而說明，清潔化指數高的村莊，其疑似垃圾點位數量少、現場巡查新增垃圾數量少。

根據試點樣本數據分析，識別錯誤的垃圾問題點位主要是以下情形：

(1)把水塔、線號塔、簡易棚房等顏色特征容易與垃圾混淆的地物識別為垃圾。

(2)現場碼放比較整齊或是有篷布遮蓋的堆放物識別為垃圾。

(3)把堆放在院外的大面積建筑類、修理類物品識別為垃圾。

現階段識別錯誤較多的原因主要是：

(1)樣本庫不夠豐富。沒有將水塔、線號塔、簡易棚房等加入負面樣本。

(2)影像分辨率不夠。在對機器識別成果進行第一次人工篩查的時候，無法通過影像將院外碼放整齊或是建筑類物品進行判讀篩除。

5.3 識別遺漏問題分析

本次試點通過現場核查新增垃圾問題點位291處，根據試點樣本數據分析新增的垃圾問題較多主要是因為：

(1)5月～6月份0.2 m遙感影像獲取后新增的垃圾；

(2)利用0.2 m遙感影像通過深度學習遙感目標檢測算法RSADet識別的垃圾目標基本上在 20 m2以上，無法識別面積較小的垃圾目標；

(3)垃圾樣本不夠豐富，缺少木板、樹枝、柴草、畜禽糞便等垃圾的樣本；

(4)遙感影像無法獲取地面目標，如因為樹木遮擋等原因，衛星、無人機等無法拍到樹冠下的垃圾。

5.4 垃圾問題點位分布情況分析

根據試點樣本數據分析，垃圾問題點位主要分布在村莊通往田間地頭的道路兩邊。環繞村邊的溝渠邊上、河面上白色垃圾污染嚴重。村莊內部呈零星分布。

6 總 結

本文利用0.2 m DOM正射影像基于深度學習遙感目標檢測算法RSADet，對農村區域垃圾目標識別的正確率整體達到了81.61%，能夠滿足人居環境整治工作的需求。下一步我們將進一步建立水面、線號塔、簡易棚房等垃圾樣本的負面清單，增加木板、樹枝、柴草、畜禽糞便等正面樣本充實到樣本庫中，相信不僅可以提高目標識別的數量，還可以有效提高識別的正確率。同時在生產項目實際開展過程中，我們可以通過明確垃圾目標識別的有效范圍，排查村內各工業園區、廠區、批發市場等非管轄區域，大大減少院內垃圾目標的識別數量，從而提高外業核查的工作量和工作效率。另外，我們也可以使用更高分辨率的無人機遙感影像作為機器識別的數據源來保證垃圾目標的識別數量和正確率。