离子吸附型稀土是21世纪重要的战略资源,广泛应用于装备制造、电子信息、新能源、航空航天以及武器制造等高精尖技术领域,极具稀缺性和不可替代性。赣南素有“稀土王国”之称,但因经济利益的驱使,赣南稀土矿区存在非法开采、滥采滥挖现象,不仅导致稀土资源的损失,还产生了严重的环境污染、水土流失等生态问题。离子吸附型稀土矿区一般位于偏远山区、道路曲折、山高林密,且矿点分布较为分散,其分布特点导致稀土开采监测成本高、效率低、难度大。如何快速、准确地实现稀土矿区开采监测已成为亟需解决的问题。沉淀池作为稀土元素提取工艺中必不可少的容器,通常分布于地表裸露的稀土矿开采区,沉淀池中的浸矿液可以作为判断稀土开采状态的依据。因此,本文根据稀土矿开采过程中的沉淀池状态及其空间分布关系,以Pleiades高分辨率卫星遥感影像作为数据源,对YOLOv3进行改进,构建基于改进YOLOv3的稀土矿区高分遥感影像沉淀池识别与定位方法,为离子型稀土开采监管提供理论依据和技术支持。本文主要研究内容如下:（1）提出一种基于卷积神经网络的高分遥感影像稀土矿区沉淀池识别与定位方法。该方法在YOLOv3的基础上对其进行改进,在特征提取网络中嵌入注意力机制,提高模型的特征提取能力。并将YOLOv3的目标定位损失函数替换为CIOU Loss,提高模型对预测框的定位精度。在进行具体实验时,采用Pleiades高分影像数据集训练模型并验证,然后通过与其他几种主流的卷积神经网络模型进行对比实验;（2）提出一种影像偏移分割方法和IOMIN（Intersection over Minimum）指数,通过对原始影像进行偏移分割得到完全覆盖检测目标的数据集,然后通过IOMIN指数剔除冗余的检测框,实现对沉淀池的完整检测,解决目标漏检问题;（3）通过坐标转换公式将模型检测结果从像素坐标表示的预测框转换为平面坐标表示的点状要素。随后利用随机森林分类器对定位点进行分类,以区分错分为暗色建筑和建筑物阴影的定位点。