具体实施方式

下面结合附图对本发明一种基于深度学习的风景道景观评价方法做进一步的详细说明。

结合附图1，一种基于深度学习的风景道景观评价方法，包括以下步骤：a.景观均质取样；b.深度学习；c.景观取样输入、自动评价、结果输出；

所述步骤a，采用风景道景观取样车，在车顶设置前、后、左、右四个取样摄像头，四个摄像头固定景观取样间隔时间，每隔固定的时间拍摄固定张数的风景道景观取样照片作为景观取样结果，所有的风景道景观取样照片保存在所述风景道景观取样车的存储设备中，通过自动化等时、等距取样，大大提高了取样的效率与精度；

所述步骤b，借助深度学习模型，在评价前期通过大量的不同时段、不同季节、不同特征路段的风景道景观取样照片，由所述深度学习模型进行景观特征提取，由人工对不同的景观特征赋予不同的权重，所述深度学习模型根据打分结果进行加权求和，以此剔除人工评价的误差，提高评价的客观性与准确性；

所述步骤c，借助风景道景观评价模型系统，将风景道景观取样照片输入风景道景观评价模型系统，交由风景道景观评价模型系统自动对取样照片进行景观特征提取，并打分、加权求和，得评价结果，实现风景道景观评价的自动化，将风景道景观评价效率成倍提升，所述风景道景观评价模型系统包括终端，评价结果通过终端反馈。

所述风景道景观取样车在不同的时段、不同的季节取样，从而保证风景道景观取样准确、完整地还原风景道景观实况。

所述深度学习模型采用循环网络、卷积网络、普通深度网络、深度生产模型、自编码器中的一种或多种。

所述景观特征包括道路坡度、道路平直度、道路拥挤度、视域、林相、色彩。

所述终端为手机、电脑中的任意一种或多种。

本发明借助规范化的自动评价模型，提高了风景道景观质量评价效率；借助深度学习模型，实现风景道景观特征取样、质量评价、结果反馈与模型优化的自动化，剔除了人为评价过程中的主观干扰因素，大大提高了评价精度；消除了风景道尺度因素的影响，保证了景观采样的均质性。

以上对本发明及其实施方式进行了描述，这种描述没有限制性，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的实施方式，均应属于本发明的保护范围。