Sie können dieses Modell im Werkzeug Objekte mit Deep Learning erkennen verwenden, das in der Toolbox "Image Analyst" in ArcGIS Pro verfügbar ist. Führen Sie die folgenden Schritte aus, um das Modell zum Erkennen von Bohrplätzen in Bildern zu verwenden.
Unterstützte Bilddaten
Sie können dieses Modell mit multispektralen Sentinel-2-Bilddaten (Level 2) in Form eines Raster-Produkts, eines Mosaik-Datasets oder eines Image-Service verwenden.
Wenn Sie ein Raster-Produkt verwenden, stellen Sie sicher, dass Sie beim Hinzufügen der Bilddaten zur Karte das BOA-Reflexionsprodukt auswählen. Wenn Sie ein Mosaik-Dataset verwenden, stellen Sie sicher, dass Sie beim Erstellen des Mosaiks den Raster-Typ "Sentinel-2" und die Verarbeitungsvorlage "BOA-Reflexion" auswählen. Dieses Mosaik-Dataset kann auch als Image-Service veröffentlicht und als Eingabe verwendet werden.
Stellen Sie sicher, dass die Bit-Tiefe der Eingabe auf 16-Bit ohne Vorzeichen und die Verarbeitungsvorlage auf Keine festgelegt ist. Sie können das Erstellen, Konfigurieren und Füllen Ihrer Mosaik-Datasets mit dem Mosaic Dataset Configuration Script (MDCS) automatisieren.
Erkennen von Bohrplätzen
Führen Sie die folgenden Schritte aus, um Bohrplätze in den Bilddaten zu erkennen:
- Bereiten Sie die Daten gemäß dem folgenden Produkttyp vor:
- Raster-Produkt
- Navigieren Sie zu dem Ordner mit den Sentinel-2-L2A-Daten. Blenden Sie den Ordner ein, und suchen Sie das Raster-Produkt.
- Blenden Sie das als .xml-Datei bereitgestellte Raster-Produkt ein, und wählen Sie das abgeleitete Raster-Dataset BOA-Reflexion aus.
- Mosaik-Dataset
- Erstellen Sie ein Mosaik-Dataset mithilfe des Geoverarbeitungswerkzeugs Mosaik-Dataset erstellen. Legen Sie die Variablen auf der Registerkarte Parameter wie folgt fest:
- Ausgabeverzeichnis: Wählen Sie eine Geodatabase aus.
- Name des Mosaik-Datasets: Geben Sie einen Namen für das Mosaik-Dataset an.
- Koordinatensystem: Wählen Sie ein Koordinatensystem für das Ausgabe-Mosaik-Dataset aus.
- Produktdefinition: Wählen Sie Keine aus.
- Öffnen Sie zum Hinzufügen des Rasters zum Mosaik-Dataset das Geoverarbeitungswerkzeug Raster zu Mosaik-Dataset hinzufügen. Legen Sie die Variablen auf der Registerkarte Parameter wie folgt fest:
- Mosaik-Dataset: Wählen Sie das Eingabe-Mosaik-Dataset aus.
- Raster-Typ: Wählen Sie aus der Dropdown-Liste den Eintrag Sentinel-2 aus.
- Verarbeitungsvorlagen: Wählen Sie aus der Dropdown-Liste die Vorlage BOA-Reflexion aus.
- Eingabedaten: Wählen Sie aus der Dropdown-Liste den Eintrag Ordner aus, navigieren Sie zu den SAFE-Dateien, und fügen Sie sie hinzu.
Hinweis: Bei Bedarf können Sie mit dem Geoverarbeitungswerkzeug Bänder zusammensetzen oder mit der gleichnamigen Raster-Funktion ein Multiband-Bild erstellen, das als Eingabe für die Inferenz verwendet werden kann.
- Fügen Sie den Bilddaten-Layer in ArcGIS Pro hinzu, und zoomen Sie auf einen Interessenbereich.
- Navigieren Sie zu Werkzeuge auf der Registerkarte Analyse.
- Klicken Sie im Bereich Geoverarbeitung auf die Registerkarte Toolboxes, wählen Sie Image Analyst Tools aus, und navigieren Sie unter Deep Learning zum Werkzeug Objekte mit Deep Learning erkennen.
- Legen Sie die Variablen auf der Registerkarte Parameter wie folgt fest:
- Eingabe-Raster: Wählen Sie die Sentinel-Bilddaten wie oben beschrieben aus.
- Ausgabe der erkannten Objekte: Legen Sie die Ausgabe-Feature-Class fest, die die erkannten Objekte enthalten soll.
- Modelldefinition: Wählen Sie die .dlpk-Datei des vortrainierten oder optimierten Modells aus. Verwenden Sie in diesem Fall das zuvor heruntergeladene Modell Well Pad Detection – Permian Basin.
- Verarbeitungsmodus: Wählen Sie den Modus Als mosaikiertes Bild verarbeiten aus.
- Modellargumente: Ändern Sie gegebenenfalls die Werte der Argumente.
- padding: Die Anzahl von Pixeln am Rahmen von Bildkacheln, aus denen Vorhersagen für benachbarte Kacheln verschmolzen werden. Erhöhen Sie den Wert, um die Ausgabe zu glätten und gleichzeitig Artefakte an den Kanten zu reduzieren. Der Maximalwert für Padding ist die Hälfte des Wertes für die Kachelgröße.
- threshold: Erkennungen, deren Konfidenzwert höher als dieser Schwellenwert ist, sind im Ergebnis enthalten. Zulässige Werte liegen zwischen 0 und 1,0.
- nms_overlap: Die Überlappungsrate zwischen Rahmen, mit der Erkennungen mit niedrigeren Konfidenzpunktzahlen gefiltert werden können.
- batch_size: Die Anzahl der in den einzelnen Schritten der Modellinferenz verarbeiteten Kacheln. Dieser Wert hängt vom Speicher der Grafikkarte ab.
- exclude_pad_detection: Gibt an, ob potenziell gekürzte Rahmen an der Kante jeder Kachel im aufgefüllten Bereich ausgeschlossen werden sollen. Der Standardwert ist "True".
- radiometric_offset_correction: Korrigiert den radiometrischen Versatz von -1000 in Bilddaten, die nach dem 25. Januar 2022 aufgenommen wurden, in Sentinel 2 L2A-Bilddaten. (Hinweis: Überprüfen Sie, ob Ihr Datenanbieter für Daten, die nach Januar 2022 aufgenommen wurden, einen Versatz angewendet hat. Für Quellen wie Azure und Copernicus muss der Parameter "radiometric_offset_correction" auf "True" festgelegt sein. Legen Sie den Parameter für AWS-Daten auf "False" fest, da auf diese bereits radiometrische Versatzkorrekturen angewendet wurden und sie nicht erneut korrigiert werden müssen.)
- Non Maximum Suppression: Aktivieren Sie optional das Kontrollkästchen, um die überlappenden Features mit niedrigerem Konfidenzwert zu entfernen.
Wenn Sie das Kontrollkästchen aktiviert haben, führen Sie die folgenden Schritte aus:
- Legen Sie Feld für die Konfidenzpunktzahl fest.
- Legen Sie Klassenwertefeld fest (optional).
- Legen Sie Maximale Überlappungsrate fest (optional).
- Legen Sie die Variablen auf der Registerkarte Umgebungen wie folgt fest:
- Verarbeitungsausdehnung: Wählen Sie Aktuelle Anzeigeausdehnung oder eine andere Option aus dem Dropdown-Menü aus.
- Zellengröße (erforderlich): Legen Sie den Wert auf 5 fest.
Die erwartete Raster-Auflösung ist 5 Meter.
- Prozessortyp: Wählen Sie CPU oder GPU aus.
Wenn eine GPU verfügbar ist, wird empfohlen, die Option GPU auszuwählen und GPU-ID auf die zu verwendende GPU festzulegen.
- Klicken Sie auf Ausführen.
Der Ausgabe-Layer wird der Karte hinzugefügt.
Sie können die Ansicht zoomen, um sich die Ergebnisse genauer anzusehen.
