一种油松受灾等级判定方法及其判定系统技术方案

本发明专利技术公开一种油松受灾等级判定方法及其判定系统，其中所述判定方法包括以下步骤：S1：通过无人机上搭载的摄像机拍摄油松样地图像；S2：利用二型模糊聚类算法对所述油松样地图像中的受灾油松进行区域分割，并计算受灾油松区域占所述油松样地区域的比值；S3：结合地面调查统计的失叶率判断油松受灾等级。

【技术实现步骤摘要】
一种油松受灾等级判定方法及其判定系统
本专利技术涉及森林病虫害防治
，特别涉及一种油松受灾等级判定方法及其判定系统。
技术介绍
森林病虫害是威胁森林健康的首要因素，我国的森林病虫害发生情况非常严重，林业病虫受灾率远高于世界范围内的平均水平，给我国的生态环境建设和林业林木生产带来了巨大影响。如何监测并预防森林病虫害是多年来国内外林业专家研究的重要课题。传统林业病虫害的监测手段主要有以下三种：一、定期安排林场工作人员对易受灾的重点林区进行人工巡查，若发现疑似受灾林木则进行标记取样并验定；二、通过诱捕林区中的主要致灾病虫，调查虫口密度等相关测度，判定林区的受灾情况；三、发动林区中的居民在日常生活中及时观测林木状态，发现异常情况及时上报当地森防站以采取有效措施。通常情况下，这些监测手段都存在时间滞后性且主观性较强，在地势较险且行动受限的地区，工作人员无法及时发现虫害灾情。因此迫切需要利用新技术进行森林病虫害的监测工作。
技术实现思路
本专利技术的目的是将无人机航拍与图像分析总和应用于林业病虫害监测领域，从而提高林业病虫害监测与防治的效率。为达上述目的，本专利技术采取以下技术手段：一种油松受灾等级判定方法，包括以下步骤：S1：通过无人机上搭载的摄像机拍摄油松样地图像；S2：利用二型模糊聚类算法对所述油松样地图像中的受灾油松进行区域分割，并计算受灾油松区域占所述油松样地区域的比值；S3：结合地面调查统计的失叶率判断油松受灾等级。根据本专利技术提出的油松受灾等级判定方法，其中，所述步骤S2中对受灾油松进行区域分割的步骤包括：S21:聚类初始化：对于n个向量xi组成的有限数据集合X＝{x1,x2,x3…xn}，其中n为自然数，给定初始聚类中心V＝{v0,v1,......,vc-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；S22：求取隶属度函数μ(k)：当时，S23：对隶属度函数μ(k)进行变换：S24：求取新的聚类中心v(k+1)：S25：判断聚类结束条件：如果k>10，则停止，否则令k＝k+1，转向步骤S22；其中，r和j均为类的中心点，i为样本点，dij和dir分别表示i与j的欧式距离和i与r的欧式距离。根据本专利技术提出的油松受灾等级判定方法，其中，所述步骤S3中地面调查统计的失叶率计算公式为：其中P为整块油松样地的失叶率，N为油松样地中样本树数目，pi为第i株油松样本树失叶率。根据本专利技术提出的油松受灾等级判定方法，其中，所述判断油松受灾等级的标准为：当0＜P≤0.4时，判定为健康或轻度受灾；当0.4＜P≤0.8时，判定为中度受灾；当0.8＜P＜1时，判定为重度受灾。本专利技术同时还提供一种油松受灾等级判定系统，包括：图像采集模块，用于通过无人机上搭载的摄像机拍摄油松样地图像；受灾油松区域分割模块，与所述图像采集模块相连，用于利用二型模糊聚类算法对所述油松样地图像中的受灾油松进行区域分割，并计算受灾油松区域占所述油松样地区域的比值；油松受灾等级判定模块，与所述受灾油松区域分割模块相连，用于结合地面调查统计的失叶率判断油松受灾等级。根据本专利技术提出的油松受灾等级判定系统，其中，所述受灾油松区域分割模块中对受灾油松进行区域分割的步骤包括：聚类初始化：对于n个向量xi组成的有限数据集合X＝{x1,x2,x3…xn}，其中n为自然数，给定初始聚类中心V＝{v0,v1,......,vc-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；求取隶属度函数μ(k)：当时，对隶属度函数μ(k)进行变换：求取新的聚类中心v(k+1)：判断聚类结束条件：如果k>10，则停止，否则令k＝k+1，转向步骤S22；其中，r和j均为类的中心点，i为样本点，dij和dir分别表示i与j的欧式距离和i与r的欧式距离。根据本专利技术提出的油松受灾等级判定系统，其中，所述地面调查统计的失叶率计算公式为：其中P为整块油松样地的失叶率，N为油松样地中样本树数目，pi为第i株油松样本树失叶率。根据本专利技术提出的油松受灾等级判定系统，其中，所述判断油松受灾等级的标准为：当0＜P≤0.4时，判定为健康或轻度受灾；当0.4＜P≤0.8时，判定为中度受灾；当0.8＜P＜1时，判定为重度受灾。与现有技术相比，本专利技术将无人机应用于林业病虫害监测领域，利用无人机拍摄受灾林区正射图像，并基于计算机图像分析技术，对森林病虫害图像进行深入分析，不仅可以有效减少人力及物力成本，使研究人员更直观、全面的掌握森林受灾的整体情况，并提出更为快速有效的应对措施，而且可以减少相关灾害带给森林资源的重大损失，提高林业生产的经济效益，保障生态环境的健康发展。附图说明图1为本专利技术的油松受灾等级判定系统的结构示意图；图2为本专利技术的油松受灾等级判定方法的流程图；图3为本专利技术中模糊聚类算法的流程图；图4A和图4B分别为重度受灾和中度受灾的油松样地的无人机正射图；图4C和图4D分别为针对图4A和图4B的分割结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提出的油松受灾等级判定系统包括无人机上搭载的摄像机、图像采集卡、受灾油松区域分割模块和油松受灾等级模块，其中无人机、摄像机、图像采集卡等构成了本专利技术中的图像采集模块。本专利技术的油松受灾等级判定系统的主要功能是基于图像分析技术对无人机正射的油松图像进行受灾区域分割，计算其受灾区域占整个油松区域的比例，实现与油松失叶率匹配的受灾等级判定系统。该系统首先是利用无人机上所搭载的照相机拍摄林区图像，通过图像采集卡将其转为数字信号，存入缓冲区中；将所拍摄的图像进行预处理，提取图像颜色特征，对油松受灾区域进行分割。在这其中整个系统可以分为两个模块：受灾油松区域分割，结合地面调查失叶率的油松受灾等级判定。本专利技术依据上述系统提出的油松受灾等级判定方法的流程如图2所示。(1)受灾油松区域分割本专利技术的受灾油松区域分割模块采用Type-2FCM算法，基于图像的颜色特征对受灾的油松区域进行分割。Type-2FCM算法是一种二型模糊聚类算法，它是将一组物理的或抽象的对象，根据一定的聚类准则对其进行分类，使类内样本尽可能相似，类间样本尽可能相异。该算法流程图可参见图3。Type-2FCM算法主要步骤如下：聚类初始化：对于n个向量xi组成的有限数据集合X＝{x1,x2,x3…xn}，其中n为自然数，给定初始聚类中心V＝{v0,v1,......,vc-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；求取隶属度函数μ(k)：当时，对隶属度函数μ(k)进行变换：求取新的聚类中心v(k+1)：判断聚类结束条件：如果k>10，则停止，否则令k＝k+1，转向步骤S22；其中，r和j均为类的中心点，i为样本点，dij和dir分别表示i与j的欧式距离和i与r的欧式距离。图4中展示了重度受灾和中度受灾的油松样地无人机正射图本文档来自技高网...

【技术保护点】
1.一种油松受灾等级判定方法，其特征在于，包括以下步骤：S1：通过无人机上搭载的摄像机拍摄油松样地图像；S2：利用二型模糊聚类算法对所述油松样地图像中的受灾油松进行区域分割，并计算受灾油松区域占所述油松样地区域的比值；S3：结合地面调查统计的失叶率判断油松受灾等级。

【技术特征摘要】
1.一种油松受灾等级判定方法，其特征在于，包括以下步骤：S1：通过无人机上搭载的摄像机拍摄油松样地图像；S2：利用二型模糊聚类算法对所述油松样地图像中的受灾油松进行区域分割，并计算受灾油松区域占所述油松样地区域的比值；S3：结合地面调查统计的失叶率判断油松受灾等级。2.根据权利要求1所述的油松受灾等级判定方法，其特征在于，所述步骤S2中对受灾油松进行区域分割的步骤包括：S21:聚类初始化：对于n个向量xi组成的有限数据集合X＝{x1,x2,x3…xn}，其中n为自然数，给定初始聚类中心V＝{v0,v1,......,vc-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；S22：求取隶属度函数μ(k)：当时，S23：对隶属度函数μ(k)进行变换：S24：求取新的聚类中心v(k+1)：S25：判断聚类结束条件：如果k>10，则停止，否则令k＝k+1，转向步骤S22；其中，r和j均为类的中心点，i为样本点，dij和dir分别表示i与j的欧式距离和i与r的欧式距离。3.根据权利要求2所述的油松受灾等级判定方法，其特征在于，所述步骤S3中地面调查统计的失叶率计算公式为：其中P为整块油松样地的失叶率，N为油松样地中样本树数目，pi为第i株油松样本树失叶率。4.根据权利要求3所述的油松受灾等级判定方法，其特征在于，所述判断油松受灾等级的标准为：当0＜P≤0.4时，判定为健康或轻度受灾；当0.4＜P≤0.8时，判定为中度受灾；当0.8＜P＜1时，判定为重度受灾。5.一种油松受灾等级判定系统，其特...

【专利技术属性】
技术研发人员：刘文萍，骆有庆，陆鹏飞，宗世祥，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京,11