基于无人机及深度学习技术的松材线虫病害调查及其应用.pdf
《基于无人机及深度学习技术的松材线虫病害调查及其应用.pdf》由会员分享,可在线阅读,更多相关《基于无人机及深度学习技术的松材线虫病害调查及其应用.pdf(4页珍藏版)》请在咨信网上搜索。
1、第14 卷第14 期2023年7 月黑龙江科学HEILONGJIANG SCIENCEVol.14Jul.2023基于无人机及深度学习技术的松材线虫病害调查及其应用江晓鹏(梅州市林业综合服务中心,广东梅州514 0 0 0)摘要:松材线虫以松树为食,极易导致松树成片衰弱、枯死,严重破坏森林生态系统的稳定性,会对森林健康及经济林产业造成较大的影响。因此,加强对松材线虫病害的监测及预警、提高森林管理及防治水平具有重要意义。以某工程为例,基于无人机对松树林航拍影像进行研究,提出应用YoloV3算法实现病害植株的自动识别。结果表明,此方法具有较精准的识别及定位效果,可为林地调查及保护提供更快速、更精确
2、的数据支持。关键词:无人机;松材线虫;YoloV3算法;病害识别中图分类号:S285Investigation and Application of Pine Wood Nematode Disease Based(Meizhou Forestry Comprehensive Service Center,Meizhou 514000,China)Abstract:Pine wood nematodes feed on pine trees,which can easily lead to the weakening and dying of pine trees,seriously dest
3、roy the stability of forest ecosystem,and have a great impact on forest health and economic forest industry.Therefore,it is of great significance to strengthen the monitoring and early warning of pine wood nematode disease,andimprove the level of forest management and control.Through taking a projec
4、t as an example,the study researched aerialimages of pine forest based on UAV,and applied YoloV3 algorithm to realize automatic identification of disease plants.The results show that the method has more accurate identification and location function,and can provide more rapid andaccurate data support
5、 for forest land investigation and protection.Key words:UAV;Pine wood nematode;YoloV3 algorithm;Disease identification0引言松材线虫是一种寄生性线虫,以松树作为宿主引发松材线虫病害,是松树林木资源面临的重要威胁之一。其通过传播媒介(如松墨天牛等)从一个被感染的松树宿主传播到其他未感染的松树上,导致病害在森林中迅速扩散,一旦病害蔓延,很难控制及治理,会给松树种群及森林生态系统造成巨大的损失,对林业产业及生态环境造成严重影响。为了应对松材线虫病害的威胁,我国采取了一系列的防治措施,
6、如加强病害监测和预警,做好病害防控,推进松材线虫病害的科学研究等。但传统的调查与监测以人工排查为主,作业效率低,人工成本高。随着科技的不断进步,应用无人收稿日期:2 0 2 3-0 6-19作者简介:江晓鹏(19 8 6),男,硕士,工程师。研究方向:森林资源管理、无人机航拍测量、林业制图及林业信息化等。150文献标志码:Aon UAV and Deep Learning Technology的潜力及应用前景 1-3。O1主要技术理论1.1YoloV3算法YoloV3是一种基于卷积神经网络的物体检测算法,是You Only Look Once系列算法的第三个版本。通过对图像进行单次前向传递,直
7、接从像素级别预测物体的类别与边界框。YoloV3流程包括3部分:输入图像的预处理,包括图像尺寸调整及归一化。通过多个卷积层及特征图进行多尺度的物体检测及分类。通过非极大值抑制(NMS)过程筛选出置信度高的物体边界框并输出最终的检测结果。YoloV3在物体检测任务中表现出色,具有快速、准确的特点,被文章编号:16 7 4-8 6 4 6(2 0 2 3)14-0 150-0 3Jiang Xiaopeng机进行智能化调查逐渐受到关注。通过无人机搭载高分辨率相机,结合深度学习算法,对病害进行智能化调查及分析,可大大提高调查效率及准确性。本研究探讨了基于无人机与深度学习技术的松材线虫病害调查及应用,
8、分析其在松材线虫病害监测、预警与防治方面广泛应用于自动驾驶、视频监控、智能安防等领域。YoloV3的开源便于进行二次开发及定制,适用于不同应用场景的需求。由于YoloV3算法关注不同物体的局部及边缘检测,故本研究对颜色通道、纹理提取等网络设计进行了改进。1.2OpenCV纹理特征提取在OpenCV中,主要使用灰度共生矩阵(Gray-Lev-el Co-occurrence Matrix,GLCM)来提取纹理特征。这是一种用于描述图像纹理特征的矩阵,通过统计图像中各个像素的灰度值来衡量在给定方向与距离上出现的频率纹理特征。将图像转换为灰度图像,因为纹理特征通常在灰度图像上更明显,构建灰度共生矩阵
9、(G L C M),再从GLCM中提取纹理特征。纹理特征包括对比度(contrast)、一致性(homogeneity)、能量(ener-gy)及相关性(correlation)等。1.3?无人机影像采集技术无人机影像采集技术是利用无人机(无人驾驶飞行器)搭载的相机、传感器或其他采集设备,通过航空或遥感设备获取地面及空中图像数据的技术,通过无人机的高空俯瞰视角及灵活机动性获取高分辨率、大范围的图像数据,在很多领域都有着广泛的应用。序号类别1正常巡航速度2续航时间3悬停精度RTK4最大起飞海拔高度2.2病害植株智能化检测智能化识别使用NVIDIAGRIDKI作为运算CPU,CUDA10.0+Cu
10、DNN+PyTorch1.1作为深度学习软件平台,主要步骤分为深度学习模型训练与应用两个阶段。2.2.1训练阶段进行航拍图像归一化预处理,主要包括图像切割、索引,利用中值滤波、Gamma矫正及提高对比度亮度、图像缩放、平移、旋转等方法进行图像增强。从图像库中抽取适量数目并将具有较高多样性(至少2 50 0 株疫木)的图像集合作为人工标注集合。使用AutoCAD等软件在标注集合图像上完成疫木轮廓标注,对标注DXF的文件进行解析,映射至原图对应位置,生成深度学习可读的轮廊描述json 文件 5将标注图像与json的文件按照8 0%2 0%的比例随机分割为训练集合与测试集合。基于YoloV3设计农林
11、病虫害场景的深度神经网络,在8 0%的训练集合2案例实践实验测区位于M市A县,主要以种植马尾松为主,林业面积达到10 0 亩。该林场创造了一个相对稳定的生态环境,为各种植物及动物提供栖息地,保护土壤质量及水源,促进地下水及水域的可持续利用,对当地经济发展具有重要作用。每年春节是松材线虫的高病发期,林场发现松材线虫病分布,但由于林区整体面积较大,仅依靠人工巡检难度较大,故应用无人机航拍影像进行病虫害智能检测。2.1外业影像数据采集影像采集时间为2 0 2 0 年3月下旬,天气状况为阴天,拍摄时间为上午10 时一11时。外业采集设备为大疆经纬M300RTK无人机,搭载SHARE203SPRO相机(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 无人机 深度 学习 技术 松材线虫 病害 调查 及其 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。