基于目标检测技术的林业害虫智能识别检测方法技术

本发明专利技术涉及林业害虫识别检测分析技术领域，具体公开一种基于目标检测技术的林业害虫智能识别检测方法，通过对目标沙枣薪炭林林业区域的木屑和树冠进行初步虫害分析，进而根据目标沙枣薪炭林林业区域的各重点监测区域的监测图像分析得出各重点监测区域对应的虫害类型，在一定程度上减少了害虫检测的任务量，提高了检测效率，进而更快促进形成森林可持续的绿色发展模式，有利于采取科学的绿色防治措施，进一步加强了整个地区的生态平衡，提高了检测力度，降低了检测过程的繁琐性，同时还适用于大批次沙枣薪炭林林业区域的害虫检测，还保障了沙枣薪炭林林业区域的害虫检测结果的精准性和参考性，提高了检测的科学性和合理性。性。性。

【技术实现步骤摘要】
基于目标检测技术的林业害虫智能识别检测方法


[0001]本专利技术属于林业害虫识别检测分析
，涉及到基于目标检测技术的林业害虫智能识别检测方法。
技术背景
[0002]沙枣薪炭林是指以提供柴炭燃料为主要经营项目的乔木林和灌木林，密度较大，树根相连、枝叶交叉，一旦感染了病害或者遭遇危险性病虫害，就会短期内迅速传播，造成大量损失，由此凸显了对沙枣薪炭林林业区域害虫检测的重要性。
[0003]目前对于沙枣薪炭林林业区域害虫检测是采取样地调查方法，进而达到害虫检测的方法，很显然，当前对林业区域害虫检测还存在以下几点不足：1、当前对沙枣薪炭林林业区域中树木的木屑和树冠进行初步虫害分析，在一定程度上加大了害虫检测的任务量，降低了检测效率，无法促进形成森林可持续的绿色发展模式。
[0004]2、当前没有通过科学化的手段对沙枣薪炭林林业区域的害虫类型进行确定，无法掌握害虫发生的规律，不利于采取科学的绿色防治措施，进而导致破坏整个地区的生态平衡，无法确保森林系统的稳定性，同时还降低了林业生态环境的抵抗力。
[0005]3、当前对沙枣薪炭林林业区域害虫的检测覆盖面不强，检测力度不高，且检测过程较为繁琐，不适用于大批次沙枣薪炭林林业区域的害虫检测，适应场景存在很大的局限性，还无法保障沙枣薪炭林林业区域的害虫检测结果的精准性、参考性、科学性和合理性。

技术实现思路

[0006]鉴于以上现有技术存在的问题，本专利技术提供基于目标检测技术的林业害虫智能识别检测方法，用于解决据上述技术问题。
[0007]为了实现上述目的及其他目的，本专利技术采用的技术方案如下：本专利技术提供了基于目标检测技术的林业害虫智能识别检测方法，该方法包括以下步骤：步骤一、林业区域划分：将目标沙枣薪炭林林业区域按照平面网格式的划分方式划分为各监测子区域，进而获取各监测子区域对应的位置，同时还将目标沙枣薪炭林林业区域各监测子区域进行编号，依次编号记为1,2,...r,...c。
[0008]步骤二、林业区域监测：利用各监测子区域对应的监测摄像头对目标沙枣薪炭林林业区域中各监测子区域进行视频监测，同时还利用遥感技术对各监测子区域进行画面采集。
[0009]步骤三、林业区域分析：对目标沙枣薪炭林林业区域中各监测子区域的监测视频进行分析，还用于对各监测区域中的采集画面进行分析，进而分析得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数。
[0010]步骤四、重点区域划分：将目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数进行分析，进而划分为各重点监测区域。
[0011]步骤五、重点区域再监测：利用布设的监测摄像头对各重点监测区域中的树木进
行监测，进而得到各重点监测区域的监测图像。
[0012]步骤六、虫害类型分析：根据各重点监测区域的监测图像分析得出各重点监测区域对应的虫害类型。
[0013]步骤七、信息发送与预警：将各重点监测区域对应的虫害类型和各重点监测区域对应的位置发送至目标沙枣薪炭林林业区域管理人员，并同时启动虫害预警。
[0014]需要进一步说明的是，所述步骤三中对目标沙枣薪炭林林业区域中各监测子区域的监测视频进行分析，具体分析过程如下：A1、获取目标沙枣薪炭林林业区域中各监测子区域的监测视频，将目标沙枣薪炭林林业区域中各监测子区域的监测视频分割为各监测图片序列，进而得到各监测子区域中各树木对应的根部图像，进而得到目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部色泽度，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部木屑符合系数θ
rd
，Q
rd
表示为第r个监测子区域中第y个树木的根部色泽度，Q
′
表示为设定的根部木屑标准色泽度，y表示为各树木对应的编号，y＝1,2,.......q，ΔQ表示为设定的根部木屑许可色度差值，r表示为各监测子区域对应的编号，r＝1,2,.......c。
[0015]A2、将目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部木屑符合系数与数据库存储的树木木屑参考符合系数进行比对，若目标沙枣薪炭林林业区域某监测子区域中某树木对应的根部木屑符合系数大于或等于树木木屑参考符合系数，则判定该监测子区域中该树木为有木屑树木，进而统计得到各监测子区域中各有木屑树木对应的数量。
[0016]A3、从各监测子区域中各有木屑树木对应的根部图像提取出各监测子区域中各有木屑树木对应的木屑面积，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域中各有木屑树木对应的初步虫害分析系数α
rd
，其中，S
rd
表示为第r个监测子区域中第d个有木屑树木的木屑面积，d表示为各有木屑树木对应的编号，d＝1,2,.......l，S'表示为设定的标准木屑面积，ΔS表示为设定的许可木屑面积差值。
[0017]需要进一步说明的是，所述步骤三中对各监测子区域中的采集画面进行分析，具体分析过程如下：R1、获取目标沙枣薪炭林林业区域中各监测子区域的各采集画面，将各采集画面聚焦在各监测子区域中各树木的树冠，将树冠按照预设顺序划分为各子树冠，进而提取得到各监测子区域中各树木的各子树冠的色度值，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域中各树木的各子树冠对应的色泽符合系数其中，表示为第r个监测子区域中第s个树木的第x个子树冠对应的色度值，SD'表示为设定的标准树冠色度值，ΔSD表示为设定的许可色度差值，s表示为各树木对应的编号，s＝1,2,.......u，x表示为各子树冠对应的编号，x＝1,2,.......m，e表示为自然常数。
[0018]R2、将目标沙枣薪炭林林业区域各监测子区域中各树木的各子树冠对应的色泽符合系数与设定的标准树冠色泽符合系数进行分析，若目标沙枣薪炭林林业区域某监测子区
域中某树木的某子树冠对应的色泽符合系数小于设定的标准树冠色泽符合系数，则判定该监测子区域中该树木为可能虫害树木，进而统计各监测子区域中可能虫害树木的数目，进而根据数据库存储的各监测子区域对应的树木总数目，计算得出各监测子区域中可能虫害树木对应的占比。
[0019]需要进一步说明的是，所述步骤三中分析得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数，具体分析过程如下：根据目标沙枣薪炭林林业区域各监测子区域中各有木屑树木对应的初步虫害分析系数和各监测子区域中可能虫害树木的占比，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数χ
r
，其中，P
r
表示为第r个监测子区域中可能虫害树木对应的占比，l表示为有木屑树木的总数量，a1和a2分别表示为设定的初步虫害和虫害占比对应的影响因子。
[0020]需要进一步说明的是，所述步骤四中划分为各重点监测区域，具体划分过程如下：将目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数与设定的林业区域参考遭受虫害评估系数进行比对，若目标沙枣薪炭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于目标检测技术的林业害虫智能识别检测方法，其特征在于：包括以下步骤：步骤一、林业区域划分：将目标沙枣薪炭林林业区域按照平面网格式的划分方式划分为各监测子区域，进而获取各监测子区域对应的位置，同时还将目标沙枣薪炭林林业区域各监测子区域进行编号，依次编号记为1,2,...r,...c；步骤二、林业区域监测：利用各监测子区域对应的监测摄像头对目标沙枣薪炭林林业区域中各监测子区域进行视频监测，同时还利用遥感技术对各监测子区域进行画面采集；步骤三、林业区域分析：对目标沙枣薪炭林林业区域中各监测子区域的监测视频进行分析，还用于对各监测区域中的采集画面进行分析，进而分析得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数；步骤四、重点区域划分：将目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数进行分析，进而划分为各重点监测区域；步骤五、重点区域再监测：利用布设的监测摄像头对各重点监测区域中的树木进行监测，进而得到各重点监测区域的监测图像；步骤六、虫害类型分析：根据各重点监测区域的监测图像分析得出各重点监测区域对应的虫害类型；步骤七、信息发送与预警：将各重点监测区域对应的虫害类型和各重点监测区域对应的位置发送至目标沙枣薪炭林林业区域管理人员，并同时启动虫害预警。2.根据权利要求1所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤三中对目标沙枣薪炭林林业区域中各监测子区域的监测视频进行分析，具体分析过程如下：A1、获取目标沙枣薪炭林林业区域中各监测子区域的监测视频，将目标沙枣薪炭林林业区域中各监测子区域的监测视频分割为各监测图片序列，进而得到各监测子区域中各树木对应的根部图像，进而得到目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部色泽度，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部木屑符合系数θ
rd
，Q
rd
表示为第r个监测子区域中第y个树木的根部色泽度，Q
′
表示为设定的根部木屑标准色泽度，y表示为各树木对应的编号，y＝1,2,.......q，ΔQ表示为设定的根部木屑许可色度差值，r表示为各监测子区域对应的编号，r＝1,2,.......c；A2、将目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部木屑符合系数与数据库存储的树木木屑参考符合系数进行比对，若目标沙枣薪炭林林业区域某监测子区域中某树木对应的根部木屑符合系数大于或等于树木木屑参考符合系数，则判定该监测子区域中该树木为有木屑树木，进而统计得到各监测子区域中各有木屑树木对应的数量；A3、从各监测子区域中各有木屑树木对应的根部图像提取出各监测子区域中各有木屑树木对应的木屑面积，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域中各有木屑树木对应的初步虫害分析系数α
rd
，其中，S
rd
表示为第r个监测子区域中第d个有木屑树木的木屑面积，d表示为各有木屑树木对应的编号，d＝1,2,.......l，S'
表示为设定的标准木屑面积，ΔS表示为设定的许可木屑面积差值。3.根据权利要求2所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤三中对各监测子区域中的采集画面进行分析，具体分析过程如下：R1、获取目标沙枣薪炭林林业区域中各监测子区域的各采集画面，将各采集画面聚焦在各监测子区域中各树木的树冠，将树冠按照预设顺序划分为各子树冠，进而提取得到各监测子区域中各树木的各子树冠的色度值，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域中各树木的各子树冠对应的色泽符合系数其中，表示为第r个监测子区域中第s个树木的第x个子树冠对应的色度值，SD'表示为设定的标准树冠色度值，ΔSD表示为设定的许可色度差值，s表示为各树木对应的编号，s＝1,2,.......u，x表示为各子树冠对应的编号，x＝1,2,.......m，e表示为自然常数；R2、将目标沙枣薪炭林林业区域各监测子区域中各树木的各子树冠对应的色泽符合系数与设定的标准树冠色泽符合系数进行分析，若目标沙枣薪炭林林业区域某监测子区域中某树木的某子树冠对应的色泽符合系数小于设定的标准树冠色泽符合系数，则判定该监测子区域中该树木为可能虫害树木，进而统计各监测子区域中可能虫害树木的数目，进而根据数据库存储的各监测子区域对应的树木总数目，计算得出各监测子区域中可能虫害树木对应的占比。4.根据权利要求3所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤三中分析得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数，具体分析过程如下：根据目标沙枣薪炭林林业区域各监测子区域中各有木屑树木对应的初步虫害分析系数和各监测子区域中可能虫害树木的占比，利用计算公式计算得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数χ
r
，其中，P
r
表示为第r个监测子区域中可能虫害树木对应的占比，l表示为有木屑树木的总数量，a1和a2分别表示为设定的初步虫害和虫害占比对应的影响因子。5.根据权利要求4所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤四中划分为各重点监测区域，具体划分过程...

【专利技术属性】
技术研发人员：郑青，
申请(专利权)人：武汉很多鱼钓具有限公司，
类型：发明
国别省市：