枯死树定位方法及系统技术方案

本发明专利技术实施例提供一种枯死树定位方法及系统，该方法包括：获取待定位区域的遥感影像；将遥感影像输入至枯死树定位模型，输出与遥感影像对应的定位结果，定位结果包括待定位区域的遥感影像的枯死树候选框以及每个候选框对应的定位概率，候选框用于指示枯死树的位置信息，定位概率用于指示候选框内存在枯死树的概率；其中，枯死树定位模型是基于样本遥感影像及对应的样本标记采用深度学习训练后获得的。本发明专利技术实施例通过将遥感影像输入至枯死树定位模型，输出与遥感影像对应的定位结果，从而基于深度学习和遥感影像能够自动对待定位区域的枯死树进行定位，相比于现有技术中依靠人工定位枯死树能够有效提高定位效率，并为疫木的砍伐提供数据支撑。

Dead tree location method and system

The embodiment of the present invention provides a dead tree positioning method and system, which includes: acquiring remote sensing images of the area to be positioned; inputting remote sensing images into the dead tree positioning model and outputting the positioning results corresponding to remote sensing images. The positioning results include the dead tree candidate frames of remote sensing images of the area to be positioned and the positioning probability corresponding to each candidate box, and the candidate frames are used for indication. The location information of dead tree is used to indicate the probability of dead tree in candidate box. The dead tree location model is based on remote sensing images of samples and corresponding sample markers, which are trained by in-depth learning. The embodiment of the present invention can automatically locate dead trees in the locating area by inputting remote sensing images into the dead tree locating model and outputting the locating results corresponding to the remote sensing images. Compared with the existing technology, it can effectively improve the locating efficiency and provide data support for the felling of epidemic trees by relying on manual locating dead trees.

【技术实现步骤摘要】
枯死树定位方法及系统
本专利技术实施例涉及林业遥感领域，更具体地，涉及一种枯死树定位方法及系统。
技术介绍
松树在受到温度、水分、营养等非生物因子的胁迫或遭遇病虫害侵袭等生物因子影响后，健康的松针叶易发生枯死(枯死松树)。造成松树枯死的原因很多，松材线虫是松树萎蔫病的一种主要致病因子，松树感染该病后最快40天即可枯死。而疫情调查是松材线虫病防控工作的基础，现有技术中，枯死松树的监测主要依靠森林防护人员实地地面调查，然后统计上报。也有通过无人机采集松树疫情严重地区的高空间分辨率影像，然后通过目视判读的方法定位疑似枯死松树的位置，并能满足人工现场定位精度的要求。但是完全依靠人工目视判读枯死松树的工作方案效率低。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的枯死树定位方法及系统。根据本专利技术实施例的第一方面，提供一种枯死树定位方法，该方法包括：获取待定位区域的遥感影像；将遥感影像输入至枯死树定位模型，输出与遥感影像对应的定位结果，定位结果包括待定位区域的遥感影像的枯死树候选框以及每个候选框对应的定位概率，候选框用于指示枯死树的位置信息，定位概率用于指示候选框内存在枯死树的概率；其中，枯死树定位模型是基于样本遥感影像及对应的样本标记采用深度学习训练后获得的。根据本专利技术实施例第二方面，提供了一种枯死树定位系统，该系统包括：获取模块，用于获取待定位区域的遥感影像；定位模块，用于将遥感影像输入至枯死树定位模型，输出与遥感影像对应的定位结果，定位结果包括待定位区域的遥感影像的枯死树候选框以及每个候选框对应的定位概率，候选框用于指示枯死树的位置信息，定位概率用于指示候选框内存在枯死树的概率；其中，枯死树定位模型是基于样本遥感影像及对应的样本标记采用深度学习训练后获得的。根据本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的枯死树定位方法。根据本专利技术实施例的第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的枯死树定位方法。本专利技术实施例提供的枯死树定位方法及系统，通过将遥感影像输入至枯死树定位模型，输出与遥感影像对应的定位结果，从而基于深度学习和遥感影像能够自动对待定位区域的枯死树进行定位，相比于现有技术中依靠人工定位枯死树能够有效提高定位效率，并为疫木的砍伐提供数据支撑。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。图1为本专利技术实施例提供的枯死树定位方法的流程示意图；图2为本专利技术实施例提供的枯死树定位模型的网络结构示意图；图3为本专利技术实施例提供的坐标转换示意图；图4为本专利技术另一实施例提供的枯死树定位方法的流程示意图；图5为本专利技术实施例提供的枯死树定位结果示意图；图6为本专利技术实施例提供的枯死树定位系统的结构示意图；图7为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例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做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。由于现有技术中存在的依靠人工目视判读枯死松树的技术方案的效率低，因此，找到一种适合于超高空间分辨率、大数据量的无人机影像高效处理算法对于枯死松树的快速、高效监测已经成为亟需解决的技术问题。为了解决上述技术问题，本专利技术实施例提供一种枯死树定位方法。参见图1，该方法包括：101、获取待定位区域的遥感影像。其中，待定位区域可以是需要进行枯死树检测的一片区域。本专利技术实施例对枯死树的种类不作限定，以下仅以枯死树为松树为例进行说明。获取待定位区域的方式具体可通过无人机获取。使用无人机自身携带的差分自动驾驶仪可以精确给出每张照片(即遥感影像)中心点经纬度坐标，结合无人机航向、姿态数据和相机参数，能生产数字正射影像图(DOM)。DOM可精确给出遥感影像上每个像元点的坐标信息，以方便定位枯死树的位置。无人机拍摄的照片的正射校正和图像拼接具体可在Pix4D软件中完成，图像增强可在ENVI软件中完成，分辨率可为5.85cm，坐标系统可为WGS84_UTM_Zone50N，本专利技术实施例对具体的参数和软件的种类不作限定。102、将遥感影像输入至枯死树定位模型，输出与遥感影像对应的定位结果，定位结果包括待定位区域的遥感影像的枯死树候选框以及每个候选框对应的定位概率，候选框用于指示枯死树的位置信息，定位概率用于指示候选框内存在枯死树的概率；其中，枯死树定位模型是基于样本遥感影像及对应的样本标记采用深度学习训练后获得的。在步骤102前可先进行模型训练以获得枯死树定位模型。深度学习前需要制作大量的标注数据样本。标注数据样本可以分为枯死树样本和背景负样本。枯死树样本是包含有枯死树的遥感影像，背景负样本是不包含枯死树的遥感影像。其中，枯死树样本的制作过程为：首先可划定一片区域作为训练区，获取该训练区的遥感影像；然后对训练区的遥感影像内的所有枯死树进行人工标注；根据人工标注的点位数据建立以一定像素大小(例如128像素)为半径的圆形缓冲区；接着通过圆形缓冲区生成矩形的最小外包矩阵，然后采用生成的对应像素(256×256)的最小外包矩阵，批量裁剪该训练区的遥感影像，得到所有带有空间坐标的JPG格式的训练集，例如，本专利技术实施例共裁剪得到若干个(例如1000张)训练正样本。背景负样本的制作过程为，先将训练区的遥感影像进行一定(例如256×256)像素大小的分割，得到分割后的栅格，然后人工从中挑选得到一定数量的代表性JPG训练集(例如1000张)。获得上述样本后，可对枯死树样本和背景负样本进行不同的标记(即样本标记)，例如对枯死树样本标记为1，对背景负样本标记为0。标注后，枯死树样本和背景负样本组成了样本遥感影像，1或0即为样本遥感影像对应的样本标记。在训练过程中，利用80％的样本遥感影像及对应的样本标记进行模型训练，训练完成后可获得枯树定位模型。训练完成后可采用20％的样本遥感影像对模型的性能进行测试，判断模型的性能是否符合要求。确认模型训练完成后且性能满足要求，将待定位区域的遥感影像输入至枯死树定位模型后，该模型能够输出待定位区域的遥感影像的枯死树候选框以及每个候选框对应的定位概率(或识别概率)。换言之，候选框内可能含有枯死树，定位概率即为含有枯死树的概率。应当说明的是，一张遥感影像可能含有一个或多个候选框。并且，进一步地，可以通过候选框的数量获取枯死树的数量。待定位区域遥感影像数据集具体可通过以下方式获得：通过ArcGIS中的SplitRaster工具将一个待定位区域的无人机影像按照256×256本文档来自技高网...

【技术保护点】
1.一种枯死树定位方法，其特征在于，包括：获取待定位区域的遥感影像；将所述遥感影像输入至枯死树定位模型，输出与所述遥感影像对应的定位结果，所述定位结果包括所述待定位区域的所述遥感影像的枯死树候选框以及每个所述候选框对应的定位概率，所述候选框用于指示枯死树的位置信息，所述定位概率用于指示所述候选框内存在所述枯死树的概率；其中，所述枯死树定位模型是基于样本遥感影像及对应的样本标记采用深度学习训练后获得的。

【技术特征摘要】
1.一种枯死树定位方法，其特征在于，包括：获取待定位区域的遥感影像；将所述遥感影像输入至枯死树定位模型，输出与所述遥感影像对应的定位结果，所述定位结果包括所述待定位区域的所述遥感影像的枯死树候选框以及每个所述候选框对应的定位概率，所述候选框用于指示枯死树的位置信息，所述定位概率用于指示所述候选框内存在所述枯死树的概率；其中，所述枯死树定位模型是基于样本遥感影像及对应的样本标记采用深度学习训练后获得的。2.根据权利要求1所述的方法，其特征在于，所述将所述遥感影像输入至枯死树定位模型之前，还包括：对所述遥感影像进行裁剪，以使获得多个目标遥感影像中的每个所述目标遥感影像与所述样本遥感影像的大小相同；相应地，所述将所述遥感影像输入至枯死树定位模型，输出与所述遥感影像对应的定位结果，包括：将多个所述目标遥感影像分别输入至所述枯死树定位模型，分别输出与每个所述目标遥感影像对应的目标定位结果。3.根据权利要求2所述的方法，其特征在于，所述分别输出与每个所述目标遥感影像对应的目标定位结果之后，还包括：对于每一个所述目标遥感影像中的每一个所述候选框，计算所述候选框在像素坐标系下的中心点坐标；将所述候选框在像素坐标系下的中心点坐标转换为直角坐标系下的坐标，并将所述直角坐标系下的坐标作为所述候选框内的枯死树的位置信息。4.根据权利要求2所述的方法，其特征在于，所述分别输出与每个所述目标遥感影像对应的目标定位结果之后，还包括：对于所述多个目标遥感影像中任意相邻的两个第一目标遥感影像和第二目标遥感影像，若根据所述枯死树的位置信息，判断获知所述第一目标遥感影像中的第一枯死树与第二目标遥感影像中的第二枯死树之间的距离小于距离阈值，则将所述第一枯死树与所述第二枯死树合并定...

【专利技术属性】
技术研发人员：陶欢，李存军，王艾萌，程成，淮贺举，邓世晴，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京,11