【技术实现步骤摘要】
一种基于深度学习的无人机影像树木检测方法
[0001]本专利技术属于树木检测
,尤其是涉及一种无人机影像树木检测模型构建方法及其检测方法。
技术介绍
[0002]树木是林业生态系统不可分割的一部分,在改善人类的生活环境、提供社会服务以及物质生产等多方面发挥着至关重要的作用。为了推进树木的可持续管理工作,有必要对树木的基本信息(比如树种、位置等)进行收集。获取详尽的树木信息是实现可持续管理树木工作的基础,通过对树木信息收集,实现对树木的映射和表征,有利于树木后期的养护管理工作的推进。
[0003]随着航空航天工程技术的不断进步,无人机因其具有超高的空间分辨率、相对较低的操作成本,以及接近实时的图像采集等优点正在被逐步推广应用以获取低空表面图像。目前树木检测方法可以分为两类:基于传统图像处理的树木检测方法和基于深度学习的树木检测方法。
[0004]基于传统图像处理的树木检测方法可分为两大类,一类是基于像素点的方法,该类方法一般通过提取局部区域的最大值作为树木中心点,并结合区域生长、分水岭分割、模板匹配等算法检测单棵树,这类基于局部最大值理论的树木检测方法无法根据树木的整体特性进行分类,复杂背景下种子点的选取准确性也会降低,从而影响单棵树木检测的准确率;另一类是基于对象的树木检测方法,该类方法能更好地体现树木的整体特性,并通过融入机器学习算法提高树木检测的准确率,但对于不同的场景需要人为指定提取的特征以及限定相应的参数,在没有先验知识的情况下很难进行单棵树木的准确检测。
[0005]与基于传统 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的无人机影像树木检测方法,其特征在于,该方法包括:S1.对输入的无人机影像进行第一次尺寸修整及进行深度和宽度两个层次的双层次信息融合,输出第一特征图;S2.对第一特征图进行下采样及第二次双层次信息融合,输出第二特征图;S3.对第二特征图继续下采样,并进行第三次双层次信息融合,输出第三特征图;S4.对第三特征图使用MSPP模块进行多尺度信息捕捉,输出第四特征图;S5.对第四特征图和第二特征图分别进行尺寸修整以将两个特征图修整为同一尺寸并进行叠加处理,随后再次进行双层次信息融合处理输出第五特征图;S6.对第五特征图和第一特征图分别进行尺寸修整以将两个特征图修整为同一尺寸并进行叠加处理,随后再次进行双层次信息融合处理输出第六特征图;S7.对第六特征图继续进行尺寸修整使其与第五特征图具有相同尺寸,随后将其与第五特征图进行叠加处理,并再次进行双层次信息融合处理后输出第七特征图;S8.对第七特征图继续进行尺寸修整使其与第四特征图具有相同尺寸,随后将其与第四特征图进行叠加处理,并再次进行双层次信息融合处理后输出第八特征图;S9.对第六特征图、第七特征图、第八特征图分别使用AM Block模块进行处理以使网络在各尺度下均聚焦于重点区域;S10.分别使用检测头一、检测头二、检测头三基于分别经过AM Block模块处理的三个特征图进行小目标、中等目标和大目标的检测,合并三个检测头的检测结果输出模型的最终检测结果。2.根据权利要求1所述的基于深度学习的无人机影像树木检测方法,其特征在于,步骤S1中,被输入的无人机影像为经过裁剪的具有特定尺寸的输入特征图;步骤S1依次包括两个Basic Conv1模块,一个FE
‑
1Block模块,一个MP2模块,一个FE
‑
1Block模块,由Basic Conv1模块和MP2模块对输入影像进行第一次尺寸修整,由两个FE
‑
1Block模块进行深度和宽度两个层次的双层次信息融合。3.根据权利要求2所述的基于深度学习的无人机影像树木检测方法,其特征在于,所述的FE
‑
1Block模块包括一个Basic Conv2模块,Basic Conv2模块的输出具有两个支路,支路一连续经过两个Conv Block模块处理后,继续对其做一个Basic Conv2模块操作,随后与支路二进行相加操作,自此完成深度层次的信息融合,宽度层次的信息融合由所述的Conv Block模块实现,最后将融合后的特征图经过一个Basic Conv3模块操作后输出。4.根据权利要求3所述的基于深度学习的无人机影像树木检测方法,其特征在于,所述的Conv Block模块具有两个支路,支路一经过一个Basic Conv3模块操作后将得到的特征图按通道数均分为四份得到x1、x2、x3和x4,对x1不做任何操作得到y1,对x2经过Basic Conv2模块处理得y2,对y2与x3做相加之后再经过Basic Conv2模块操作得y3,对y3与x4做相加之后再经过Basic Conv2模块得y4;将特征图y1、y2、y3和y4在通道维度上叠加,从而完成宽度层次上的信息融合;之后,对融合后的特征进行一个Basic Conv2模块处理,再与支路二进行跳跃连接,将该两部分的特征图进行相加操作,之后经过一个Basic Conv3模块后输出。5.根据权利要求4所述的基于深度学习的无人机影像树木检测方法,其特征在于,所述的Basic Conv1模块、Basic Conv2模块、Basic Conv3模块均依次包括2D卷积层、BN层和激
活函数层,且三者的2D卷积层具有相同或不同的大小、步长。6.根据权利要求5所述的基于深度学习的无人机影像树木检测方法,其特征在于,步骤S2和步骤S2均包括一个MP2模块和一个FE
‑
2Bl...
【专利技术属性】
技术研发人员:罗小燕,唐攀攀,赵博,万昊明,王辉,勾鹏,
申请(专利权)人:南湖实验室,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。