基于多色彩空间的YOLOv5松枯死树检测方法.pdf
《基于多色彩空间的YOLOv5松枯死树检测方法.pdf》由会员分享,可在线阅读,更多相关《基于多色彩空间的YOLOv5松枯死树检测方法.pdf(8页珍藏版)》请在咨信网上搜索。
1、收稿日期():接受日期():基金项目:国家林业和草原局重大应急科技项目()福建省林业科技项目(闽林文 号)福建农林大学科技创新专项基金项目()作者简介:游子绎 男 硕士研究生 研究方向:无人机遥感:.通信作者()黄世国:.:./.基于多色彩空间的 松枯死树检测方法游子绎 王文瑾 邵历江 郭 丹 吴松青 黄世国 张飞萍福建农林大学林学院福建 福州 福州农林大学生态公益重大有害生物防控福建省高校重点实验室福建 福州 福建农林大学计算机与信息学院福建 福州 开放科学标识码(码)摘要:【目的】针对在松枯死树监测实践中从无人机航拍 影像中自动识别松枯死树漏检率高的问题提出了一种生产应用场景下基于多色彩空
2、间的 松枯死树高精度自动识别新方法【方法】利用无人机采集大面积松材线虫病发生林分的 图像用 软件拼接用 开源软件建立 格式的松枯死树数据集分别用 、和 等 种基于深度学习的目标检测算法对数据集进行训练和测试以精确率、召回率、平均准确率以及 分数作为评价指标筛选出最优目标检测算法然后将采集的 图像转换成 和 色彩空间图像再将这 个色彩空间的图像分别用最优目标检测算法进行训练得到目标在每个色彩空间的边界框使用非极大值抑制算法对这些边界框进行处理得到最优边界框实现松枯死树自动识别【结果】种算法均取得良好效果其中 模型为最优算法其精准率、平均查准率和 分数在 种算法中均最高分别达到.、.和.通过 个色
3、彩空间融合后反映漏检情况的召回率由.提高到.平均准确率提升至.【结论】基于多色彩空间的 模型能够显著提高从无人机航拍 影像中检测松枯死树的精度为松枯死树监测提供了有力工具也有助于松材线虫病的防治关键词:无人机影像 松枯死树 深度学习 多色彩空间 松材线虫病 :【】.【】.().【】.生物安全学报():.【】.:松材线虫病 ()是一种危害松科植物的林业检疫性有害生物已在我国造成较大危害(叶建仁)该病主要通过媒介昆虫松墨天牛 扩散蔓延而该虫具有选择衰弱、濒死松树产卵的习性 准确监测和定位林分中的松枯死树并对其及时进行无害化处理是防治松材线虫病的核心措施之一(李成和刘波)长期以来我国主要采用地面人工
4、普查、目测方法进行松枯死树的监测定位 然而由于山地地形复杂、林层多样、交通不便以及地面人工普查存在成本高、效率低等大量的松枯死树不能被及时发现和无害化处理已成为影响松材线虫病防治的重要因素之一随着无人机和数字图像等技术的快速发展利用无人机快速获取林分彩色()遥感影像监测定位野外松枯死树具有高效、精准、低成本、受地形因子限制小等优势具有广阔的应用前景 但由于无人机获取的影像数据量大人工判读存在工作量大、时效性差等问题因此利用计算机视觉技术自动识别影像中的松枯死树已成为生产应用上亟待解决的问题(地力夏提包尔汉)对此国内外进行了大量相关研究如:尹华阳等()采用传统机器学习方法利用手工设计的特征通过算
5、子提取松枯死树的特征然后应用分类器进行识别取得了良好的效果陈魏冬()、陶欢等()研究发现在“色调饱和度明度”()色彩空间和 ()色彩空间中可以识别出在 色彩空间中无法识别的松枯死树随着深度学习技术的逐渐成熟(.)利用该方法替代传统的机器学习方法被广泛用于松枯死树的监测研究(.)相较于传统机器学习方法深度学习不需要手工提取特征而是使用自动设计特征提取的方法自动抽取无人机拍摄的松枯死树低层的细节信息和高层的语义信息并通过信息融合的方式实现识别其识别性能显著高于传统方法 因此深度学习算法等已成为松枯死树识别最重要的方法(李浩等 刘顺利等 .)尽管将深度学习算法应用于松枯死树的监测研究中取得了很高的精
6、度但在实践应用中还存在一些局限性 首先对于松材线虫病防治而言全面彻底无害化处置松枯死树是其中关键的环节这就要求对松枯死树的监测和识别有高准确率的同时还要有低漏检率 现有研究虽已有了较高的精度但是对识别误差的分析表明漏检是当前误差的主要来源 其次现有研究大多在特定飞行高度、小面积林分等场景下进行但由于野外地形的复杂多变在野外大面积实践应用中往往需要提高无人机飞行高度以便提高效率这也导致识别的性能降低 造成上述问题的一个重要原因在于现有深度学习算法仅在 空间进行分析对不同颜色空间的信息利用缺乏研究鉴于此本研究在生产应用实际场景下利用无人机采集大面积松材线虫病发生林分的 遥感影像 在此基础上应用多种
7、基于深度学习的目标检测算法识别松枯死树在筛选出性能最优算法的基础上充分利用不同色彩空间存在的互补作用()进一步挖掘在多个色彩空间的目标检测结果达到降低漏检率并提高识别性能的目的以期建立一种满足生产实践需求能够及时、高效、省时省力地从大面积林分中准确识别松枯死树的技术为科学有效防治松材线虫病提供技术支撑 材料与方法.研究样地与数据采集本研究设 个无人机航拍样地:样地 位于福建省福州市闽侯县鸿尾乡(.)属南方典型丘陵地势林地最高点海拔 林分构成以马尾松 .为主混有杉木 (.).以及多种彩色阔叶树或落叶阔叶树该样地松材线虫病发生严重松枯死树多研究样地 位于福建省莆田市仙游县西天尾镇(.)其林 第 期
8、游子绎等:基于多色彩空间的 松枯死树检测方法分类型也是马尾松为优势种的马、杉、阔混交林 年 月松树受害枯死高峰期后选择晴朗天气采集 个研究样地的遥感影像 使用 型固定翼无人机搭载 型无人机相机(/.定焦镜头分辨率 像素)根据地势情况确定无人机飞行高度样地 为 样地 为 左右飞行速度均为 均在最优光照条件期间(:)飞行采用定距曝光的方式航拍采集影像数据 样地 采集遥感影像 个架次总计飞行面积约.样地 采集遥感影像 个架次总计飞行面积约.遥感影像采集完成后将每个架次拍摄的影像导入 软件进行图像拼接得到包含地理信息的完整航空图像 个样地共计获得完整航空图像 张.数据预处理将样地 每架次用 拼接好的
9、遥感影像数据等分为 张图像共得到 张图像 参照李凤迪()的方法应用 软件使用矩形框人工标注每幅图像中的松枯死树每个矩形框对应一棵松枯死树样本并将 标签作为松枯死树类别标签从而得到 格式数据集标注示例见图 人工标注结果发现有松枯死树的图像 张标注得到松枯死树共 棵 在完成标注后针对样地 中连片或多棵松枯死树聚集的样本以及因图像清晰度不高导致无法确定的样本采用人工地面踏查结合无人机低空巡查对松枯死树标注情况进行实地验证确保标注准确性和完整性 然后再按照.的比例随机划分训练集、验证集、测试集对模型进行训练图 枯死松树样本示例.基于多色彩空间的 目标检测采用当前流行的目标检测算法 作为松枯死树识别模型
10、 该模型根据残差组件和卷积核数 量 从 少 到 多 可 分 为 个 网 络 结 构 即、由于航拍时间、天气、地形因素等影响获取的松枯死树大小、颜色、亮度、纹理、尺度等变化很大因此使用残差组件和卷积核数量最多的 网络结构该结构通过增加模型深度和宽度提高了网络特征提取和特征融合的能力能够更好地应对野外松枯死树样本特征复杂多变的情况在使用 算法时本研究首先对输入图像通过 数据增强(随机选取带标注的 张图片分别对 张图片进行翻转、缩放、色域变化等操作分别进行图片和框的组合)以随机缩放、随机裁剪、随机排布的方式对图片进行拼接然后将图像按目标检测的通常做法自适应缩放至 像素 同时在输入卷积神经网络前使用
11、算法和遗传学习算法自适应地生成与数据集匹配的先验框尺寸避免人工设计的误差采用 实现特征提取该网络包括了 结构、结构和 结构 在特征提取前使用 结构进行切片操作将图片隔像素取值并按区域划分组合得到 份图像后再按通道融合 融合后的图像经 ()层通过卷积、批量归一化和 函数激活提取特定的局部图像特征 在主干网络()和模型颈部()部分均设计了 结构本研究使用 和 结构 结构使用滤波器为、的最大值池化提取不同尺度特征再将原图和池化后的 幅图像叠加 同时模型颈部使用 的结构 经过特征提取和特征融合网络后得到 种不同尺寸的下采样特征图 计算定位损失采用了 对于多目标框筛选采用 模块 并最终输出预测结果从而实
12、现多尺度网络预测本研究以迁移学习的方式用 数据(.)学习的权重参数初始化网络然后对目标数据集从头开始训练加快并优化模型的学习效率 同时由于不同色彩空间在松枯死树识别过程中存在互补性本研究提出在深度学习的晚期阶段结合不同色彩空间的信息以提高识别的性能具体如下:首先将训练集 通道图像分别转化为 通道图像和 通道图像之后使用 个生物安全学报 第 卷色彩通道的图像分别进行训练 训练出 个色彩通道的预测模型后再分别对 个色彩通道图像进行预测汇总不同颜色空间的目标预测边界框使用非极大值抑制()算法保留置信度最高的候选框后过滤交并比()大于.的其他候选框解决松枯死树重复计数的问题最终实现不同色彩空间的信息利
- 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 多色 空间 YOLOv5 枯死 检测 方法
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。