一种基于小尺度松材线虫病树的检测方法技术

一种基于小尺度松材线虫病树的检测方法，包括以下步骤：步骤1：使用无人机航拍获取遥感图像，对松材线虫病树进行标记，制作成数据集；步骤2：将数据集输入底层特征批处理融合和多重特征复用网络模型中，进行特征提取，获得识别模型，识别松材线虫病树；步骤3：将松材线虫病树的识别结果矢量化，得到松材线虫病树的经纬度坐标文件；步骤4：将松材线虫病树的经纬度坐标信息上传到松材线虫病树监理平台，通过监理平台查看病树的地理分布情况，人工砍伐。本发明专利技术专利的目的是为了解决遥感影像复杂背景下一种对小尺度松材线虫病树漏检的问题，而提出的一种基于底层特征批处理融合和多重特征复用网络模型的松材线虫病树的检测方法。复用网络模型的松材线虫病树的检测方法。复用网络模型的松材线虫病树的检测方法。

【技术实现步骤摘要】
一种基于小尺度松材线虫病树的检测方法


[0001]本专利技术涉及松材线虫病树检测
，尤其涉及一种基于小尺度松材线虫病树的检测方法。

技术介绍

[0002]森林病虫害是森林健康和林业生产的宿敌。松材线虫是对松树危害较大的外来入侵物种之一，感染松材线虫病后会造成松树针叶黄褐色或红褐色，在6个月内即可导致病树整株干枯死亡，且繁殖速度快、传播途径广、传播范围广、难以防治，是使松林大片被毁的重要害虫。因此，及时发现松材线虫病树至关重要。
[0003]现在对松材线虫病的监测手段主要有地面调查、卫星遥感监测、多光谱无人机图像和无人机遥感监测。传统的对松材线虫病的调查方法利用人工普查效率低，成本高，容易造成遗漏；卫星遥感空间分辨率低且时效性差；多光谱无人机图像获取效率低，分辨率高。通过无人机获取全色波段图像目前是最有效的，无人机全色波段图像既能获取较高空间分辨率的图像，同时也能保证图片获取的效率，通过提取高空间分辨率图像上单株病树的颜色、形状、纹理等特征，通过深度学习的方式能够获得较高的检测精度，满足治理的需要。
[0004]自2012年本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小尺度松材线虫病树的检测方法，具体包括以下步骤：步骤1：获取图像，并对松材线虫病树进行标记，制作成数据集；步骤2：将数据集输入底层特征批处理融合和多重特征复用网络模型中，进行特征提取，获得识别模型，识别松材线虫病树；步骤3：将松材线虫病树的识别结果矢量化，得到松材线虫病树的经纬度坐标信息；步骤4：将松材线虫病树的经纬度坐标信息上传到松材线虫病树监理平台，通过监理平台查看病树的地理分布情况，人工砍伐。2.根据权利要求1所述的方法，其特征在于，在步骤2中，将数据集输入底层特征批处理融合和多重特征复用网络模型中，进行特征提取，得到识别模型，具体采用以下步骤：2
‑
1：对无人机影像样本集进行挑选、预处理；2
‑
2：根据病树图片的不同尺度将数据集分类，分开进行迁移训练网络模型；2
‑
3：将数据集输入底层特征批处理融合和多重特征复用网络模型中，进行多特征信息提取，获得松材线虫病树识别模型，识别松材线虫病树。3.根据权利要求2所述的方法，其特征在于，在步骤2
‑
2中，根据病树图片的不同尺度将数据集分类，分开进行迁移训练网络模型，具体包括以下子步骤：2
‑2‑
1：在尺度值为A的数据集样本中，病树的尺度相对较小，有利于模型对小尺度病树的特征提取，先将尺度值为A的数据集输入到网络模型中，训练得到松材线虫病树识别模型；2
‑2‑
2：接着将尺度值为B的数据集样本输入到网络模型中，将尺度值为A训练所得到的网络模型作为尺度值为B数据集样本训练的预训练模型进行迁移训练，得到最终松材线虫病树识别模型。4.根据权利要求2所述的方法，其特征在于，在步骤2
‑
3中，构建底层特征批处理融合和多重特征复用网络模型，具体包括以下子步骤：2
‑3‑
1：将待检测图像输入特征提取主干网络中，通过自下而上的方式由浅至深层提取特征，...

【专利技术属性】
技术研发人员：任东，叶莎，彭宜生，陈邦清，古剑，
申请(专利权)人：三峡大学，
类型：发明
国别省市：