一种基于无人机遥感的大面积油茶林快速估产方法技术

本发明专利技术属于经济林智能监测技术领域，公开了一种大面积油茶林快速估产方法，基于无人机遥感的大面积油茶林快速估产方法包括：油茶林选择；油茶数据采集；油茶林冠幅提取；典型油茶抽样；油茶林低空航拍；油茶果智能检测；油茶林快速估产。本发明专利技术基于无人机航拍技术，开展大面积的油茶林快速估产，填补国内油茶林快速估产的空白。本发明专利技术的低空无人机航拍具有操作灵活、数据获取效率高、图像成本低、时效性强的特点，可快速获取试验区油茶林的空间分布信息；本发明专利技术具有快速、无损、准确率高、尺度大的优点；能够实现油茶林产量数据的快速检测、计数和评估，具有应用于大面积油茶林快速估产的潜力。

【技术实现步骤摘要】
一种基于无人机遥感的大面积油茶林快速估产方法
本专利技术属于经济林智能监测
，尤其涉及一种基于无人机遥感的大面积油茶林快速估产方法、系统。
技术介绍
目前，油茶作为我国南方特有的木本油料树种，与油棕、油橄榄和椰子并称为世界四大木本食用油料植物，在区域经济中具有重要地位。随着经济的发展，油茶林种植面积逐年扩大，快速地对油茶林进行估产对于保证粮油安全及油料产业的发展均具有重大的现实意义。然而由于缺乏足够的重视，传统的油茶林估产大多依赖人工采摘称重，该方法消耗大量的人力物力财力，而且操作过程极易引入人工误差。近年来，无人机遥感的发展为油茶林快速监测提供了条件，因此研发快速高效的大面积油茶林快速估产方法非常有必要。现有的作物估产方法主要分为有损和无损两种。有损估产方式即采用人工实地采摘称重，然后折算最终产量，该方法耗时耗力、且具有破坏性，无法扩展到大面积。传统的油茶林估产主要采取这种方法，目前全国油茶种植面积己达6775万亩，其中湖南省种植面积为2300万亩，人工估产己成为制约油茶林产业快速发展的瓶颈；无损估产方式大多采用卫星遥感法，即通过卫星提取具有代表性的光谱因子，然后结合外业数据构建合理的产量预估模型。卫星遥感应用于作物估产具有快速、无损、尺度大的优势，对宏观决策具有重要意义。例如刘焕军等基于时间序列的Landsat遥感影像，采用相关分析和线性回归方法，建立了基于植被指数与实测数据的棉花产量预测方法，结果表明模型精度较高。然而卫星遥感存在重访周期长、影像分辨率低、混合像元、作物物候和天气影响等条件限制，对农林经营者实际生产的辅助作用甚微。同时，现有油茶林产量估测方法估产成本高，对大面积丘陵山地的油茶林快速估产无能为力，为获取油茶林不同生长时期的估产参数需要多次外业调查，可行性低。近年来，无人机遥感的发展为作物快速估产提供了新的条件。无人机遥感空间分辨率高、获取速度快、操作简单、作业成本低，可选取最优作业时期获取最佳植被指数，建立有效的无人机遥感估产模型，进而有效辅助农业经营者进行生产管理。韩文霆等基于无人机遥感平台，结合多时相植被指数对夏季玉米产量进行估算；Kaul等对玉米和大豆进行估产研究，发现人工神经网络方法比多元线性回归建立的估产模型更为准确。目前，国内学者基于无人机遥感的作物估产研究主要集中在柑橘、棉花、小麦、大豆、水稻、油菜、玉米和苹果等农作物方面，鲜有基于无人机遥感的油茶林快速估产研究报道。通过上述分析，现有技术存在的问题及缺陷为：(1)由于缺乏足够的重视，传统的油茶林估产大多依赖人工采摘称重，该方法消耗大量的人力物力财力，而且操作过程极易引入人工误差。(2)现有油茶林产量估测方法中，人工估产的方法灵活性差、速度慢、不适合大面积快速估产。(3)现有油茶林产量估测方法成本高，对大面积丘陵山地的油茶林快速估产无能为力，为获取油茶林不同生长时期的估产参数需要多次外业调查，可行性低。(4)现有技术中鲜有基于无人机遥感的油茶林快速估产研究报道。解决以上问题及缺陷的难度为：无人机的高清性和机动性使得大面积油茶林快速估产成为可能，然而无人机超低空航拍的样本量直接影响油茶林快速估产的精度。样本量太少，则会导致构建的产量预估模型不具有代表性；样本量过多，则会加重无人机自动航拍的野外工作量、经济成本和电池消耗量。因此对于异质性高的油茶林试验区，需要构建一套完备的理论技术自动确定试验区油茶林超低空航拍的样本量；另外，如何快速提取试验区油茶树的冠幅位置和冠顶点？以及如何保证油茶林冠层果的检测精度？也是大面积油茶林快速估产需要重点关注的问题。解决以上问题及缺陷的意义为：针对目前鲜有大面积油茶林快速估产的研究现状，本专利技术首次提出结合低空无人机遥感、抽样技术和人工智能的油茶林快速估产方法，使得对大面积油茶林进行快速估产成为可能，填补国内外现有技术研究的空白。本专利技术提供的快速估产方法简单通用、可移植性强，能为大面积油茶林产量智能监测和评估提供理论参考和科学依据，具有应用于全国油茶林快速估产和智能监测的潜力。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于无人机遥感的大面积油茶林快速估产方法。本专利技术是这样实现的，一种基于无人机遥感的大面积油茶林快速估产方法包括以下步骤：步骤一，油茶林选择；步骤二，油茶数据采集；步骤三，油茶林冠幅提取；步骤四，典型油茶抽样；步骤五，油茶林低空航拍；步骤六，油茶果智能检测；步骤七，油茶林快速估产。进一步，步骤一中，所述油茶林选择，包括：选定研究区，在Googleearth上确定可调查范围、数据采集周期和采集目标树，同时对目标树进行标号。进一步，步骤二中，所述油茶数据采集包括：(1)UAV数据采集：无人机起飞前应进行硬件、软件和无人机GPS信号检查；利用UAV对试验区油茶林进行正射航拍，采用AgisoftMateshape软件生成DOM图和DSM图；(2)实测数据采集：结合实际情况，对试验区典型油茶进行人工采摘，同时对采摘的油茶果进行计数和称重，获取典型油茶树的重要产量参数。进一步，步骤三中，所述油茶林冠幅提取，包括：基于均值漂移算法的多尺度分割方法对无人机航拍DOM图进行分割，通过色彩尺度(hs)、空间尺度(hr)和最小面积尺度(M)三个物理参数，确定最佳的分割尺度和样本阈值，提取试验区油茶林冠幅和冠中心点位置。进一步，步骤四中，所述典型油茶抽样，包括：基于冠幅分布图，统计油茶林的单木数量和空间分布；采用随机抽样方法，选取整个试验区10％的单株油茶作为典型样本。进一步，步骤五中，所述油茶树低空航拍，包括：基于DSM图，结合航线规划功能生成UAV变高航线，通过设置合理的航拍参数对试验区典型油茶树进行超低空近景拍摄。进一步，步骤六中，所述油茶果智能检测，包括：(1)数据集构建：根据照片清晰度对油茶果照片进行筛选，剔除不清晰或光线过暗的照片；利用标注工具对航拍照片中的目标数据进行边框标注；利用图像旋转、图像移动、对比度变换等方法对已标注油茶果照片进行扩增；按一定比例将已扩增的数据分为两份：训练数据集和验证数据集；(2)训练模型构建：首先输入训练数据集，通过主干网络(ResNet和FPN)提取主干特征图；然后结合区域生成网络RPN提取潜在的目标区域ROI；其次利用ROIAlign层将ROI映射成固定维数的特征向量，其中两分支经过全连接层进行分类和目标框回归，另一分支经过全卷积运算得到二值掩码；最后采用多任务损失函数，通过学习减小损失函数的值，获得全局最优模型；输入验证数据集，测试训练模型的泛化能力。(3)油茶果识别：基于已构建的网络模型，结合UAV近景照片对油茶林果进行智能识别，输出典型油茶树冠层识别的果数。进一步，步骤七中，所述油茶林快速估产，包括：基于研究区油茶树实测和识别数据，随机抽取三分之二数据构建冠层果数与总体果重之间的预测模型；采用预留的本文档来自技高网...

【技术保护点】
1.一种基于无人机遥感的大面积油茶林快速估产方法，其特征在于，所述基于无人机遥感的大面积油茶林快速估产方法包括：/n步骤一，油茶林选择：确定调查范围、数据采集周期和采集目标树；/n步骤二，油茶数据采集：进行UAV数据采集以及实测数据采集；/n步骤三，油茶林冠幅提取：利用基于均值漂移算法的多尺度分割方法对无人机航拍DOM图进行分割，通过色彩尺度(hs)、空间尺度(hr)和最小面积尺度(M)三个物理参数，确定最佳的分割尺度和样本阈值，提取试验区油茶林的冠幅和冠中心点位置；/n步骤四，典型油茶抽样：基于冠幅分布图，结合空间分布信息，完成试验区典型油茶树的抽样；/n步骤五，油茶树低空航拍：基于DSM图，结合航线规划功能生成UAV变高航线；/n步骤六，油茶果智能检测：进行数据集构建、训练模型构建以及油茶冠层果识别；/n步骤七，油茶林快速估产：基于研究区油茶树实测和识别数据，随机抽取三分之二数据构建冠层果数与总体果重之间的预测模型。/n

【技术特征摘要】
1.一种基于无人机遥感的大面积油茶林快速估产方法，其特征在于，所述基于无人机遥感的大面积油茶林快速估产方法包括：
步骤一，油茶林选择：确定调查范围、数据采集周期和采集目标树；
步骤二，油茶数据采集：进行UAV数据采集以及实测数据采集；
步骤三，油茶林冠幅提取：利用基于均值漂移算法的多尺度分割方法对无人机航拍DOM图进行分割，通过色彩尺度(hs)、空间尺度(hr)和最小面积尺度(M)三个物理参数，确定最佳的分割尺度和样本阈值，提取试验区油茶林的冠幅和冠中心点位置；
步骤四，典型油茶抽样：基于冠幅分布图，结合空间分布信息，完成试验区典型油茶树的抽样；
步骤五，油茶树低空航拍：基于DSM图，结合航线规划功能生成UAV变高航线；
步骤六，油茶果智能检测：进行数据集构建、训练模型构建以及油茶冠层果识别；
步骤七，油茶林快速估产：基于研究区油茶树实测和识别数据，随机抽取三分之二数据构建冠层果数与总体果重之间的预测模型。


2.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤一中，所述油茶林选择，包括：
选定研究区，基于Googleearth确定可调查范围、数据采集周期和采集目标树，同时对目标树种进行标号。


3.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤二中，所述油茶数据采集包括：
(1)UAV数据采集：无人机起飞前应进行硬件、软件和无人机GPS信号检查；利用UAV对试验区油茶林进行正射航拍，采用AgisoftMateshape软件生成DOM图和DSM图；
(2)实测数据采集：结合实际情况，对试验区典型油茶进行人工采摘，同时对采摘的油茶果进行计数和称重，获取典型油茶树的重要产量参数。


4.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤四中，所述典型油茶抽样，包括：
基于冠幅分布图，统计试验区单株油茶树的株数信息和空间分布；采用随机抽样方法，选取整个试验区10％的单株油茶作为典型样本；
步骤五中，所述油茶树低空航拍，包括：
基于DSM图，结合航线规划功能生成UAV变高航线，通过设置合理的航拍参数对试验区典型油茶树进行超低空近景拍摄。


5.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤六中，所述油茶果智能检测，包括：
(1)数据集构建：根据照片清晰度对油茶果照片进行筛选，剔除不清晰或光线过暗的照片；利用标注工具对航拍照片中的目标数据进行边框标注；利用图像旋转、图像移动、对比度变换等方法对已标注油茶果照片进行扩增；按一定比例将已扩增的数据分为两份：训练数据集和验证数据集；
(2)训练模型构建：首先输入训练数据集，通过主干网络(ResNet和FPN)提取主干特征图；然后结合区域生成网络RPN提取潜在的目标区域ROI；其次利用ROIAlign层将ROI映射成固定维数的特征向量，其中两分支经过全连接层进行分类和目标框回归，另一分支经过全卷积运算得到分割区域的二值掩码；最后采用多任务损失函数，通过学习减小损失函数的值，获得全局最优模型；输入验证数据集，测试训练模型的泛化能力：
(3)油茶果识别：基于已构建的网络模型，结合UAV近景照片对油茶林果进行智能识别，输出典型油茶树冠层识别的果数即冠层果数。


6.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤七中，所述油茶林快速估产，包括：
基于研究区油茶树实测和识别数据，随机抽取三分之二数据构建冠层果数...

【专利技术属性】
技术研发人员：莫登奎，严恩萍，尹显明，棘玉，文东新，夏瑞聪，熊君，廖健，
申请(专利权)人：湖南三湘绿谷生态科技有限公司，中南林业科技大学，
类型：发明
国别省市：湖南;43