【技术实现步骤摘要】
一、本专利技术涉及一种基于rgb像片及植被指数进行人工幼龄林单木检测技术，本技术适用于应用在人工幼龄林树冠叶片稀少，易受土壤背景影响，树冠与背景地物相差不大的人工幼龄林场景和人工幼龄林生态恢复效果评价，属于无人机多光谱影像在人工幼龄林业应用。二、技术背景大力发展人工林并有效管理幼龄林分是提升林业固碳增汇能力的重要途径。新造林林木成活率调查与生长监测是幼林龄抚育管护的基础，其中准确的活立木单木检测是关键。传统获取活立木信息主要依靠人工调查，效率低、成本高、智能化程度低，无法适用于大面积的实时监测。无人机遥感技术的快速发展，为单木的快速检测提供了新的机遇。人工林个体生长整齐，群体结构均匀，在此环境中，低空无人机遥感系统具有数据采集灵活、成本低且可快速获取高时空分辨率数据的特点，非常适用于人工幼龄林的影像采集。但是，对于人工幼龄林而言，单木像素点相对较少，造成树干和树叶的特征信息较少，在图像中与周围环境更难区分，如果直接使用传统的算法进行检测，很容易将它们误判为其他地物。其次，人工幼龄林单木的叶片密度较低，树冠相对比较稀疏，在遥感图像中，单木所在区域更容易被误判为无树的区域。因此，需要使用更精细的算法来识别树冠细节，以更好地区分单木树冠和背景环境。目前，基于深度学习的目标检测技术在人工林单木检测方面得到了广泛研究，其快速准确、适应度强、端到端可训练和更好的泛化能力使其在实际应用中得到广泛的应用。但是，目前已有的算法都未考虑人工幼龄林场景下幼树树冠提取面临的问题。幼树作为小目标，与周围环境的颜色和纹理相近，大小、形状等特征不鲜明，检测目标缺乏充足的外观信息，目
技术介绍
技术实现思路
0、三、
技术实现思路
1、针对当前人工幼龄林单木检测中存在的树冠叶片稀少，易受土壤背景影响，树冠与背景地物相差不大的问题，我们提出了一种基于多光谱rgb影像与植被指数的人工幼龄林检测技术。首先，使用搭载6个1/2.9英寸cmos影像传感器的无人机图像对人工幼龄林区域进行像片拍摄，其中，一个彩色传感器用于rgb成像，5个单色传感器用于蓝、绿、红、红边、近红外波段的多光谱成像。机身顶部的多光谱传感器可检测5个波段的实时入射光强，从而对成像进行补偿，以获取更为精确的多光谱信息。使用arcgis等专业遥感图像处理软件，生成ndvi、rvi、ndre、savi、osavi、msavi植被指数图像。并分别与rgb图像一起作为输入图像，输入到yolox-carafe-ca网络模型中，增强网络输入图像的信息维度，实现人工幼龄林的精准检测。
2、本专利技术的目标是这样实现的：进行地面样本调查并设计无人机飞行方案，获取多光谱遥感影像，使用pix4d图像处理软件，完成无人机飞行区域的图像配准，拼接等工作。将植被指数图像与rgb图像一起，输入到yolox-carafe-ca网络模型中，提取人工幼树树冠，完成人工幼龄林单木检测。
3、本专利技术具有以下优点：
4、(1)利用无人机搭载多光谱相机，低成本获取高分辨率高质量数据。
5、(2)使用深度学习方法进行人工幼龄林单木检测，实现人工幼龄林成活情况调查，降低了地面工作量，缩短实地检测时间。
6、(3)使用cbs卷积，对输入的rgb图像与植被指数图像进行通道融合，增加输入图像中幼树的特征信息；加入坐标注意力机制ca模块，将位置信息嵌入通道信息，增强网络特征提取能力；添加轻量级carafe上采样算子，在上采样特征重组时，根据输入特征来指导重组过程，提高模型对幼树的检测能力。
7、(4)融合rgb影像与土壤调节植被指数msavi在yolox-carafe-ca模型中检测精度最高，幼龄林中检测精度达88.99％，较大树冠(像素大约60×60)检测精度达92.43％。
本文档来自技高网...【技术保护点】
1.一种基于多光谱RGB像片及植被指数检测人工幼龄林单木技术，其特征是：
2.根据权利要求1所述的人工幼龄林特征是：
3.根据权利要求1所述的YOLOX-CARAFE-CA网络，其特征是：
【技术特征摘要】
1.一种基于多光谱rgb像片及植被指数检测人工幼龄林单木技术，其特征是：
2.根据权利要求1所...
【专利技术属性】
技术研发人员：张晓丽，王嘉琦，李彩霞，吴晶，贾翔，柴国奇，姚宗琦，陈龙，朱若柠，梅晓丽，王冬，
申请(专利权)人：北京林业大学，
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。