一种松材线虫病危害木的识别与定位的方法及系统技术方案

本发明专利技术提出一种松材线虫病危害木的识别与定位的方法和系统，方法包括：利用空中高光谱成像传感器定期获取监测区域内植被的原始高光谱图像，组成多期高光谱图像；将多期高光谱图像输入病害识别特征图谱模型，识别监测区域内各危害木的病害等级及其对应的病害识别特征图谱；提取各病害识别特征图谱的时序特征，并对其进行时间序列预测分析，确定各危害木等级为病害早期的识别时间；根据各病害等级对应的病害识别特征图谱，提取危害木识别时间对应的特征图谱数据，得到危害木早期识别时

【技术实现步骤摘要】
一种松材线虫病危害木的识别与定位的方法及系统


[0001]本专利技术涉及森林病虫害监测预测
，特别是涉及一种松材线虫病危害木的识别与定位的方法及系统。

技术介绍

[0002]松材线虫病(Pine wilt disease，PWD)是由松材线虫(Bursaphelenchus xylophilus)侵染引起的，是可以在短时间内造成松树枯死的一种严重的森林病害，又称松材线虫萎蔫病、松树萎蔫病、松树枯萎病。病害一旦发生，可导致松树在感染后的60
‑
90天内迅速枯死，且传播蔓延快速，3
‑
5年可造成大面积毁林现象的发生，同时病害防治难度极大，被称为松树的“癌症”。
[0003]在气候变化、经济贸易往来加速等因素的影响下，松材线虫病病害疫区迅速扩展蔓延，由于感病松树难以治愈，病害的早期发现成为松材线虫病病害防控的基本前提，亦是当下亟待解决的问题。经过多年的发展，卫星遥感技术因其所具有的多光谱及多时相特征，在森林病虫害的大尺度监测预测方向得到了广泛的应用及发展。然而，星载遥感技术在森林病虫害应用中仍然存在很多不足：如采集的数据受天气条件影响较大，阴雨天采集的数据会带有较大误差；适合大尺度区域性分析，对小尺度分析，尤其是对病虫害侵扰的探测很难达到理想的精度要求，对植物病虫害发生初期的症状检测灵敏度不足。因此，如何对松材线虫病早期危害木进行准确识别和精确定位是遏止病害爆发蔓延的关键所在。

技术实现思路

[0004]本专利技术的目的是提供一种松材线虫病危害木的识别与定位的方法及系统，能够实现松材线虫病早期危害木的准确识别和精确定位。
[0005]针对现有技术的不足，本专利技术提出一种松材线虫病危害木的识别与定位的方法，其中所述方法包括：
[0006]步骤1、利用空中高光谱成像传感器获取监测区域内植被的原始高光谱图像，所述监测区域内植被包括健康植被和多等级的危害木；
[0007]步骤2、为每株危害木的原始高光谱图像匹配对应的病害等级，得到具有病害等级的危害木图像；
[0008]步骤3、以所述危害木图像为训练数据，训练特征图谱识别模型，并将训练完成的特征图谱识别模型作为病害识别特征图谱模型；
[0009]步骤4、所述空中高光谱成像传感器定期获取所述监测区域内植被的原始高光谱图像，组成多期高光谱图像；
[0010]步骤5、将所述多期高光谱图像输入所述病害识别特征图谱模型，识别所述监测区域内各危害木的病害等级及其对应的病害识别特征图谱；
[0011]步骤6、提取各病害识别特征图谱的时序特征，并对其进行时间序列预测分析，确定各危害木等级为病害早期的识别时间；
[0012]步骤7、根据各病害等级对应的病害识别特征图谱，提取所述危害木识别时间对应的特征图谱数据，得到危害木早期识别时
‑
空
‑
谱特征图谱数据集；
[0013]步骤8、对所述时
‑
空
‑
谱特征图谱数据集进行分类，以定位早期危害木。
[0014]所述的松材线虫病危害木的识别与定位的方法，其中所述步骤2包括：
[0015]获取监测区域内所述不同等级的危害木位置；
[0016]对各期所述不同等级的危害木的原始高光谱图像进行拼接、地形校正和光谱校正，得到高光谱预处理图像；
[0017]根据所述不同等级的危害木定位，对所述高光谱预处理图像进行标注，得到基于时序的高光谱图像的像素标签数据集；
[0018]从所述基于时序的高光谱图像的像素标签数据集中提取不同等级危害木的单木冠幅图像数据；
[0019]将所述不同等级危害木的单木冠幅图像数据作为表征不同病害等级的危害木图像。
[0020]所述的松材线虫病危害木的识别与定位的方法，其中所述步骤3包括：
[0021]测定不同等级的危害木的生理生化参数，所述生理生化参数包括色素含量、含水量、蒸腾速率和光合指数等；
[0022]根据所述表征不同病害等级的危害木图像，分析所述不同等级的危害木的生理生化参数，确定表征不同病害等级的危害木最佳量化参数；
[0023]提取所述原始高光谱图像的区域平均光谱；
[0024]根据所述表征不同病害等级的危害木最佳量化参数，筛选所述区域平均光谱的敏感波段，得到敏感波段的单波段图像数据；
[0025]根据所述单波段图像数据，确定植物病害的光谱指数；
[0026]根据不同病害等级的所述单波段图像，确定图像几何信息；
[0027]根据所述表征病害等级的生理生化参数分析所述单波段图像、所述光谱指数和所述图像几何信息的相关性，得到不同病害等级的病害识别特征图谱；
[0028]以所述表征不同病害等级的危害木图像为输入，以所述不同病害等级的病害识别特征图谱为输出，对所述特征图谱识别模型进行训练。
[0029]所述的松材线虫病危害木的识别与定位的方法，其中所述步骤8包括：
[0030]采用最优分类算法提取所述危害木早期识别时
‑
空
‑
谱特征图谱数据集的时
‑
谱特征和空
‑
谱特征；根据所述时
‑
谱特征和所述空
‑
谱特征，得到早期危害木的定位。
[0031]所述的松材线虫病危害木的识别与定位的方法，其中所述步骤8包括：
[0032]通过最优分类算法对所述危害木早期识别时
‑
空
‑
谱特征图谱数据集基于光谱进行分类，得到逐像素光谱分类后的待定位图像；对所述逐像素光谱分类后的待定位图像进行图像分割，得到早期危害木的定位。
[0033]本专利技术还提出了一种松材线虫病危害木的识别与定位的系统，其中所述方法包括：
[0034]原始图像获取模块，用于通过空中高光谱成像传感器获取监测区域内植被的原始高光谱图像，所述监测区域内植被包括健康植被和多等级的危害木；
[0035]预处理模块，用于为每株危害木的原始高光谱图像匹配对应的病害等级，得到具
有病害等级的危害木图像；
[0036]训练模块，用于以所述危害木图像为训练数据，训练特征图谱识别模型，并将训练完成的特征图谱识别模型作为病害识别特征图谱模型；
[0037]多期原始高光谱图像获取模块，用于通过所述空中高光谱成像传感器定期获取所述监测区域内植被的原始高光谱图像，组成多期高光谱图像；
[0038]病害识别特征图谱获取模块，用于将所述多期高光谱图像输入所述病害识别特征图谱模型，识别所述监测区域内各危害木的病害等级及其对应的病害识别特征图谱；
[0039]时序特征确定模块，用于提取各病害识别特征图谱的时序特征，并对其进行时间序列预测分析，确定各危害木等级为病害早期的识别时间；
[0040]特征图谱数据集确定模块，用于根据各病害等级对应的病害识别特征图谱，提取所述危害木识别时间对应的特征图谱数据，得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种松材线虫病危害木的识别与定位的方法，其特征在于，所述方法包括：步骤1、利用空中高光谱成像传感器获取监测区域内植被的原始高光谱图像，所述监测区域内植被包括健康植被和多等级的危害木；步骤2、为每株危害木的原始高光谱图像匹配对应的病害等级，得到具有病害等级的危害木图像；步骤3、以所述危害木图像为训练数据，训练特征图谱识别模型，并将训练完成的特征图谱识别模型作为病害识别特征图谱模型；步骤4、所述空中高光谱成像传感器定期获取所述监测区域内植被的原始高光谱图像，组成多期高光谱图像；步骤5、将所述多期高光谱图像输入所述病害识别特征图谱模型，识别所述监测区域内各危害木的病害等级及其对应的病害识别特征图谱；步骤6、提取各病害识别特征图谱的时序特征，并对其进行时间序列预测分析，确定各危害木等级为病害早期的识别时间；步骤7、根据各病害等级对应的病害识别特征图谱，提取所述危害木识别时间对应的特征图谱数据，得到危害木早期识别时
‑
空
‑
谱特征图谱数据集；步骤8、对所述时
‑
空
‑
谱特征图谱数据集进行分类，以定位早期危害木。2.根据权利要求1所述的松材线虫病危害木的识别与定位的方法，其特征在于，所述步骤2包括：获取监测区域内所述不同等级的危害木位置；对各期所述不同等级的危害木的原始高光谱图像进行拼接、地形校正和光谱校正，得到高光谱预处理图像；根据所述不同等级的危害木定位，对所述高光谱预处理图像进行标注，得到基于时序的高光谱图像的像素标签数据集；从所述基于时序的高光谱图像的像素标签数据集中提取不同等级危害木的单木冠幅图像数据；将所述不同等级危害木的单木冠幅图像数据作为表征不同病害等级的危害木图像。3.根据权利要求1所述的松材线虫病危害木的识别与定位的方法，其特征在于，所述步骤3包括：测定不同等级的危害木的生理生化参数，所述生理生化参数包括色素含量、含水量、蒸腾速率和光合指数等；根据所述表征不同病害等级的危害木图像，分析所述不同等级的危害木的生理生化参数，确定表征不同病害等级的危害木最佳量化参数；提取所述原始高光谱图像的区域平均光谱；根据所述表征不同病害等级的危害木最佳量化参数，筛选所述区域平均光谱的敏感波段，得到敏感波段的单波段图像数据；根据所述单波段图像数据，确定植物病害的光谱指数；根据不同病害等级的所述单波段图像，确定图像几何信息；根据所述表征病害等级的生理生化参数分析所述单波段图像、所述光谱指数和所述图像几何信息的相关性，得到不同病害等级的病害识别特征图谱；
以所述表征不同病害等级的危害木图像为输入，以所述不同病害等级的病害识别特征图谱为输出，对所述特征图谱识别模型进行训练。4.根据权利要求1所述的松材线虫病危害木的识别与定位的方法，其特征在于，所述步骤8包括：采用最优分类算法提取所述危害木早期识别时
‑
空
‑
谱特征图谱数据集的时
‑
谱特征和空
‑
谱特征；根据所述时
‑
谱特征和所述空
‑
谱特征，得到早期危害木的定位。5.根据权利要求1所述的松材线虫病危害木的识别与定位的方法，其特征在于，所述步骤8包括：通过最优分类算法对所述危害木早期识别时
‑
空
‑
谱特征图谱数据集基于光谱进行分类，得到逐像素光谱分类后的待定位图像；对所述逐像素光谱分类后的待定位图像进行图像分割，得到早期危害木的定位。6.一种松材线虫病危害木的识别与定位的系统，其特征在于，所述方法包括：...

【专利技术属性】
技术研发人员：张凝，柴秀娟，张文蓉，夏雪，张建华，孙坦，
申请(专利权)人：中国农业科学院农业信息研究所，
类型：发明
国别省市：