一种双光谱视觉疫木目标监测方法及系统技术方案

本发明专利技术属于疫木监测技术领域。公开了一种双光谱视觉疫木目标监测方法及系统。所述的方法包括如下步骤：构建双光谱疫木目标识别模型、森林三维模型以及疫木目标路径规划模型；使用双光谱疫木目标识别模型进行疫木目标识别；使用疫木目标路径规划模型进行疫木目标路径规划；将实时疫木目标总路径添加至设置有森林空间直角坐标系的森林三维模型中。所述的系统包括双光谱疫木目标识别模型单元、实时双光谱疫木图像采集单元、森林三维模型单元、森林空间直角坐标系建立单元、疫木目标路径展示单元以及疫木目标路径规划模型单元。本发明专利技术解决了现有技术存在的人力成本投入大，工作量大，监测效率低下，安全性低以及对工作人员的经验要求高的问题。要求高的问题。要求高的问题。

【技术实现步骤摘要】
一种双光谱视觉疫木目标监测方法及系统


[0001]本专利技术属于疫木监测
，具体涉及一种双光谱视觉疫木目标监测方法及系统。

技术介绍

[0002]森林一旦感染疫情，如不进行人工干预，往往会因为树木间的密度大、树木之间交叉感染等造成快速且大面积传播，对经济以及生态环境造成巨大的损失。例如：松材线虫引起的松材萎蔫病被称为松树的癌症，是一种毁灭性病害，具有传播途径多、发病部位隐蔽、发病速度块、潜伏时间长、治理难度大等特点。在自然条件下松材线虫病可危害松属植物45种。松树一旦感染该病，最快的40天左右即可死亡，如不进行人工干预，3至5年便可摧毁成片森林。因此治理松材线虫病的关键在于监测及防治，只有及时发现，彻底清除，才能斩断新感染源的产生，抑制病害传播。
[0003]现有的疫木目标监测及防治方法，大多依靠人工对森林进行巡检，人力成本投入大，工作量大，监测效率低下；森林的环境复杂、地势险要，工作人员的安全性低；并且在森林进行巡检，需要工作人员对森林的路径十分熟悉，才能选择最为安全和快捷的路径，因此，对工作人员的经验要求高。

技术实现思路

[0004]为了解决现有技术存在的人力成本投入大，工作量大，监测效率低下，安全性低以及对工作人员的经验要求高的问题，本专利技术目的在于提供一种双光谱视觉疫木目标监测方法及系统。
[0005]本专利技术所采用的技术方案为：
[0006]一种双光谱视觉疫木目标监测方法，包括如下步骤：
[0007]获取不同森林场景的历史双光谱疫木图像数据集，并根据历史双光谱疫木图像数据集，使用图像识别算法，构建双光谱疫木目标识别模型；
[0008]获取目标森林的森林三维数据，并根据森林三维数据，使用三维建模算法，构建目标森林的森林三维模型；
[0009]基于目标森林的森林三维模型，建立森林空间直角坐标系，得到设置有森林空间直角坐标系的森林三维模型；
[0010]获取设置有森林空间直角坐标系的森林三维模型中，所有可通行路径的子路径空间位置坐标；
[0011]根据所有可通行路径的子路径空间位置坐标，使用群体智能优化算法，构建疫木目标路径规划模型；
[0012]在设置有森林空间直角坐标系的森林三维模型中，添加若干监测点，并获取每个监测点的监测点空间位置坐标；
[0013]采集所有监测点的实时双光谱疫木图像数据，并根据实时双光谱疫木图像数据，
使用双光谱疫木目标识别模型进行疫木目标识别，得到实时疫木目标识别结果；
[0014]若任一实时疫木目标识别结果为存在疫木目标，则将对应的监测点作为疫木目标点；
[0015]根据所有疫木目标点的监测点空间位置坐标和所有可通行路径的子路径空间位置坐标，使用疫木目标路径规划模型进行疫木目标路径规划，得到实时疫木目标总路径；
[0016]将实时疫木目标总路径添加至设置有森林空间直角坐标系的森林三维模型中，得到展示实时疫木目标总路径的森林三维模型。
[0017]进一步地，获取不同森林场景的历史双光谱疫木图像数据集，并根据历史双光谱疫木图像数据集，使用图像识别算法，构建双光谱疫木目标识别模型，包括如下步骤：
[0018]对历史双光谱疫木图像数据集中每张历史双光谱疫木图像数据进行图像预处理，得到预处理后历史双光谱疫木图像数据集；
[0019]将预处理后历史双光谱疫木图像数据集划分为双光谱疫木目标识别训练样本集和双光谱疫木目标识别测试样本集；
[0020]根据双光谱疫木目标识别训练样本集，使用图像识别算法的LFTCNN算法进行训练优化，构建初始的双光谱疫木目标识别模型；
[0021]根据双光谱疫木目标识别测试样本集，对初始的双光谱疫木目标识别模型进行训练测试，若测试准确率大于阈值，则输出最优的双光谱疫木目标识别模型，否则，继续进行训练优化。
[0022]进一步地，历史/实时双光谱疫木图像数据包括对应的历史/实时红外疫木图像数据和历史/实时可见光疫木图像数据。
[0023]进一步地，双光谱疫木目标识别模型包括输入层、第一卷积通道、第二卷积通道、全连接层、基于Elman神经网络建立的分类层以及输出层，输入层分别与第一卷积通道和第二卷积通道连接，第一卷积通道和第二卷积通道均与全连接层连接，全连接层、分类层以及输出层依次连接；
[0024]第一卷积通道包括依次连接的若干第一卷积模块，每个第一卷积模块包括依次连接的第一卷积层和第一池化层，位于首端的第一池化层还与全连接层连接；
[0025]第二卷积通道包括依次连接的若干第二卷积模块，每个第二卷积模块包括依次连接的第二卷积层和第二池化层，位于首端的第二池化层还与全连接层连接。
[0026]进一步地，三维建模算法为多边形网格三维建模算法；
[0027]森林空间直角坐标系包括在空间中相互垂直的X轴、Y轴以及Z轴，且森林空间直角坐标系的空间位置坐标的格式为(x,y,z)。
[0028]进一步地，可通行路径包括一个子路径起点和一个子路径终点，且可通行路径的子路径空间位置坐标包括子路径起点空间位置坐标和对应的子路径终点空间位置坐标。
[0029]进一步地，根据所有可通行路径的子路径空间位置坐标，使用群体智能优化算法，构建疫木目标路径规划模型，包括如下步骤：
[0030]基于设置有森林空间直角坐标系的森林三维模型，随机设置若干历史总路径起点空间位置坐标和若干历史总路径终点空间位置坐标；
[0031]随机选择历史总路径起点空间位置坐标和历史总路径终点空间位置坐标，根据该历史总路径起点空间位置坐标和该历史总路径终点空间位置坐标，以及所有可通行路径的
子路径起点空间位置坐标和对应的子路径终点空间位置坐标，得到初始的历史疫木目标总路径；
[0032]将初始的历史疫木目标总路径的历史总路径起点空间位置坐标、子路径数量以及每个子路径的子路径起点空间位置坐标作为IWOA种群中鲸鱼个体的位置；
[0033]使用IWOA寻优算法，对IWOA种群进行包围、搜索以及泡泡网攻击，更新IWOA种群，得到更新后的IWOA种群；
[0034]输出更新后的IWOA种群中最优的鲸鱼个体对应的全局最优解的位置，得到初始的历史疫木目标总路径的最优的历史总路径起点空间位置坐标、最优的子路径数量以及每个子路径的最优的子路径起点空间位置坐标；
[0035]根据初始的历史疫木目标总路径的最优的历史总路径起点空间位置坐标、最优的子路径数量以及每个子路径的最优的子路径起点空间位置坐标，得到最优的历史疫木目标总路径；
[0036]更新历史总路径起点空间位置坐标和历史总路径终点空间位置坐标，得到更新后的历史总路径起点空间位置坐标和更新后的历史总路径终点空间位置坐标，并根据更新后的历史总路径起点空间位置坐标和更新后的历史总路径终点空间位置坐标，以及所有可通行路径的子路径起点空间位置坐标和对应的子路径终点空间位置坐标，使用IWOA优化算法，进行优化训练，构建疫木目标路径规划模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双光谱视觉疫木目标监测方法，其特征在于：包括如下步骤：获取不同森林场景的历史双光谱疫木图像数据集，并根据历史双光谱疫木图像数据集，使用图像识别算法，构建双光谱疫木目标识别模型；获取目标森林的森林三维数据，并根据森林三维数据，使用三维建模算法，构建目标森林的森林三维模型；基于目标森林的森林三维模型，建立森林空间直角坐标系，得到设置有森林空间直角坐标系的森林三维模型；获取设置有森林空间直角坐标系的森林三维模型中，所有可通行路径的子路径空间位置坐标；根据所有可通行路径的子路径空间位置坐标，使用群体智能优化算法，构建疫木目标路径规划模型；在设置有森林空间直角坐标系的森林三维模型中，添加若干监测点，并获取每个监测点的监测点空间位置坐标；采集所有监测点的实时双光谱疫木图像数据，并根据实时双光谱疫木图像数据，使用双光谱疫木目标识别模型进行疫木目标识别，得到实时疫木目标识别结果；若任一实时疫木目标识别结果为存在疫木目标，则将对应的监测点作为疫木目标点；根据所有疫木目标点的监测点空间位置坐标和所有可通行路径的子路径空间位置坐标，使用疫木目标路径规划模型进行疫木目标路径规划，得到实时疫木目标总路径；将实时疫木目标总路径添加至设置有森林空间直角坐标系的森林三维模型中，得到展示实时疫木目标总路径的森林三维模型。2.根据权利要求1所述的一种双光谱视觉疫木目标监测方法，其特征在于：获取不同森林场景的历史双光谱疫木图像数据集，并根据历史双光谱疫木图像数据集，使用图像识别算法，构建双光谱疫木目标识别模型，包括如下步骤：对历史双光谱疫木图像数据集中每张历史双光谱疫木图像数据进行图像预处理，得到预处理后历史双光谱疫木图像数据集；将预处理后历史双光谱疫木图像数据集划分为双光谱疫木目标识别训练样本集和双光谱疫木目标识别测试样本集；根据双光谱疫木目标识别训练样本集，使用图像识别算法的LFTCNN算法进行训练优化，构建初始的双光谱疫木目标识别模型；根据双光谱疫木目标识别测试样本集，对初始的双光谱疫木目标识别模型进行训练测试，若测试准确率大于阈值，则输出最优的双光谱疫木目标识别模型，否则，继续进行训练优化。3.根据权利要求2所述的一种双光谱视觉疫木目标监测方法，其特征在于：所述的历史/实时双光谱疫木图像数据包括对应的历史/实时红外疫木图像数据和历史/实时可见光疫木图像数据。4.根据权利要求3所述的一种双光谱视觉疫木目标监测方法，其特征在于：所述的双光谱疫木目标识别模型包括输入层、第一卷积通道、第二卷积通道、全连接层、基于Elman神经网络建立的分类层以及输出层，所述的输入层分别与第一卷积通道和第二卷积通道连接，所述的第一卷积通道和第二卷积通道均与全连接层连接，所述的全连接层、分类层以及输
出层依次连接；所述的第一卷积通道包括依次连接的若干第一卷积模块，每个所述的第一卷积模块包括依次连接的第一卷积层和第一池化层，位于首端的所述的第一池化层还与全连接层连接；所述的第二卷积通道包括依次连接的若干第二卷积模块，每个所述的第二卷积模块包括依次连接的第二卷积层和第二池化层，位于首端的所述的第二池化层还与全连接层连接。5.根据权利要求1所述的一种双光谱视觉疫木目标监测方法，其特征在于：所述的三维建模算法为多边形网格三维建模算法；所述的森林空间直角坐标系包括在空间中相互垂直的X轴、Y轴以及Z轴，且森林空间直角坐标系的空间位置坐标的格式为(x,y,z)。6.根据权利要求1所述的一种双光谱视觉疫木目标监测方法，其特征在于：所述的可通行路径包括一个子路径起点和一个子路径终点，且可通行路径的子路径空间位置坐标包括子路径起点空间位置坐标和对应的子路径终点空间位置坐标。7.根据权利要求6所述的一种双光谱视觉疫木目标监测方法，其特征在于：根据所有可通行路径的子路径空间位置坐标，使用群体智能优化算法，构建疫木目标路径规划模型，包括如下步骤：基于设置有森林空间直角坐标系的森林三维模型，随机设置若干历史总路径起点空间位置坐标和若干历史总路径终点空间位置坐标；随机选择历史总路径起点空间位置坐标和历史总路径终点空间位置坐标，根据该历史总路径起点空间位置坐标和该历史总路径终点空间位置坐标，以及所有可通行路径的子路径起点空间位置坐标和对应的子路径终点空间位置坐标，得到初始的历史疫木目标总路径；将初始的历史疫木目标总路径的历史总路径起点空间位置坐标、子路径数量以及每个子路径的子路径起点空间位置坐标作为IWOA种群中鲸鱼个体的位置；使用IWOA寻优算法，对IWOA种群进行包围、搜索以及泡泡网攻击，更新IWOA种群，得到更新后的IWOA种群；输出更新后的IWOA种群中最优的鲸鱼个体对应的全局最优解的位置，得到初始的历史疫木目标总路径的最优的历史总路径起点空间位置坐标、最优的子路径数量以及每个子路径的最优的子路径起点空间位置坐标；根据初始的历史疫木目标总路径的最优的历史总路径起点空间位置坐标、最优的子路径数量以及每个子路径的最优的子路径起点空间位置坐标，得到最优的历史疫木目标总路径；更新历史总路径起点空间位置坐标和历史总路径终点空间位置坐标，得到更新后的历史总路径起点空间位置坐标和更新后的历史总路径终点空间位置坐标，并根据更新后的历史总路径起点空间位置坐标和更新后的历史总路径终点空间位置坐标，以及所有可通行路径的子路径起点空间位置坐标和对应的子路径终点空间位置坐标，使用IWOA优化算法，进行优化训练，构建疫木目标路径规划模型。8.根据权利要求4所述的一种双光谱视觉疫木目标监测方法，其特征在于：采集所有监
测点的实时双光谱疫木图像数据，并根据实时双光谱疫木图像数据，使用双光...

【专利技术属性】
技术研发人员：江朝元，曹晓莉，唐灿，封强，
申请(专利权)人：重庆英卡电子有限公司，
类型：发明
国别省市：