一种松材线虫病发生区域智能识别方法技术

本发明专利技术公开了一种松材线虫病发生区域智能识别方法，将遥感影像数据和深度学习技术运用于松材线虫病的监测领域。基于遥感影像构建松材线虫病发生区域语义分割样本数据集，构建UNet语义分割模型并进行模型的训练和优化，实现松材线虫病发生区域的智能识别。本发明专利技术流程简单，实用性强，为松材线虫病的智能监测提供一种新的方法，适用于森林病虫害监测、深度学习影像识别等领域。习影像识别等领域。习影像识别等领域。

【技术实现步骤摘要】
一种松材线虫病发生区域智能识别方法
一、

[0001]本专利技术涉及森林病虫害遥感影像分析和深度学习领域，特别涉及一种松材线虫病发生区域智能识别方法。
二、
技术介绍

[0002]松材线虫病(Bursaphelenchus xylophilus)是中国最危险的森林生物灾害之一，对于松类树种是一种毁灭性病害。因其具有传染性强、致死率高的特点，松材线虫病也被称为松树的“癌症”。松材线虫病使中国林业生态和经济遭受重大损失，在1982—2017年的35年间，该病导致枯死松树5000余万株，经济损失达数千亿元，对中国的森林资源和生态环境造成巨大破坏。
[0003]传统的松材线虫病监测主要是监测员定期巡查监测，或者开展松材线虫病的普查，由于部分林区当中未能建立相关的监测站和分配相应的监测人员，导致松材线虫病监测不全面，加快了疫情的传播。深度语义分割技术已在传统图像识别领域得到了日益广泛的研究和应用，基于遥感影像运用语义分割技术对松材线虫病进行智能识别，可以节省大量人力，实现松材线虫病更精准的监测。
三、
技术实现思路

[0004](一)要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种松材线虫病发生区域智能识别方法，其特征在于，包括以下步骤：S1、构建松材线虫病遥感影像语义分割样本数据集，获取高分辨率遥感影像，对遥感影像进行预处理和人工标注；S2、构建UNet深度语义分割网络；S3、进行UNet深度语义分割网络模型结构的改进；S4、基于构建的松材线虫病遥感影像语义分割样本数据集进行改进模型的训练；S5、使用改进后的模型进行松材线虫病发生区域的智能识别。2.如权利要求1所述的方法，其特征在于：步骤S1中，构建松材线虫病遥感影像语义分割样本数据集，包括以下步骤：S1、对遥感进行波段组合，将R、G、B三个波段进行组合，合成真彩色影像；S2、在真彩色影像下进行目视解译，确定松材线虫病枯死木为黄色、红色、紫色、灰色的单株树木；S3、进行影像裁剪，裁剪成640*640大小的影像；S4、对影像进行人工标注，在labelme软件中...

【专利技术属性】
技术研发人员：方国飞，黄季夏，卢晓，孙红，李晓冬，陈怡帆，王越，周艳涛，
申请(专利权)人：国家林业和草原局生物灾害防控中心，
类型：发明
国别省市：