[發明專利]一種基于樹木整體圖像的樹木檢測方法

在審

• 申請號: 201911065758.2
• 申請日: 2019-11-04
• 公開（公告）號: CN110929722A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 馮海林;錢崢;武斌;杜曉晨;夏凱
• 申請（專利權）人: 浙江農林大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊天嬌

本發明公開了一種基于樹木整體圖像的樹木檢測方法，運用自主拍攝和網上爬取方式采集樹木的整體圖像，建立數據集，對數據集圖像進行數據增強處理，使得每類樹木的樣本數量一致；然后對數據增強處理后數據集中的樹木圖像進行光照處理；最后采用Faster R?CNN算法對光照處理后的樹木圖像進行特征提取、候選區域生成和分類，輸出檢測結果。本發明基于數據集中樹木整體圖像，減弱復雜立地環境下光照、遮擋對樹木檢測的影響，使得樹木檢測工作更為輕松便捷，能適應復雜地形，不受養護模式及區域的限制。

技術領域

本發明屬于樹木檢測技術領域，尤其涉及一種基于樹木整體圖像的樹木檢測方法。

背景技術

樹木對全球環境和人類生活具有無可估量的重要性，其是氧氣和天然空氣過濾的重要來源，是大自然至關重要的保護傘。樹木是林業生態系統不可分割的一部分，在改善人類生活環境、提供社會服務和物質生產等方面發揮著至關重要的作用。樹木檢測對于森林管理有重要的生態和實用價值，然而大多數樹木檢測的研究主要以樹冠為切入點，結合無人機影像進行研究。隨著神經網絡的普遍應用，樹木檢測有了新的思路，例如，AridaSusilowati等人提出的基于兩種機器學習方法，利用遙感數據和方法實現丁香樹自動檢測和產量估算，實現運用卷積神經網絡對大規模的棕櫚樹進行檢測。

然而，樹木的形狀和狀態不斷發生變化，在生長過程中易受到昆蟲侵害或者其他生物的感染，輕微的會出現發育不良情況，嚴重則會導致死亡，樹木位置的精確檢測是對樹木健康狀態評價、樹木養護的關鍵。在樹木檢測中一個主要挑戰是對較小樹木的檢測不足，在單個樹木檢測中對于從上方可見的樹木具有高精度，但不能可靠地檢測低層冠層中的樹木。在復雜立地環境下，高空檢測工作的準確度主要取決于樹在空間中的配置方式，在世界許多林地，特別是公共土地，在林分和景觀尺度上都受到結構多樣性的管理。為解決復雜立地環境存在的檢測問題，推進樹木養護工作，整樹檢測是一種選擇。

綜上，傳統樹木檢測方法效率低，受樣地環境因素影響較大，對于樣地以外超出單個樹木水平的樹需要依賴于有經驗的觀察者，大型設備不易攜帶且價格昂貴。考慮到傳統林業工作的專業要求高、成本投入大、識別效果差等問題，需要一個合適的解決方案。隨著信息技術的快速發展，深度學習的普遍應用為解決這些問題提供了新方法，提高了林業作業效率和精度。但由于樹木自身特征、復雜立地環境(例如光照、地形等)的影響，樹木檢測在精度和適用性上有待提升。國內外很少有工作涉及自然環境下整株樹木檢測，他們主要以無人機和樹冠為研究的切入點，很少有使用來自相機的整樹圖像的工作。

發明內容

本發明的目的是提供一種基于樹木整體圖像的樹木檢測方法，通過自主拍攝和網上爬取樹木相關圖像數據，對樹木進行檢測，了解該區域、地塊樹木的總體分布位置信息，減少人工分類和定位的成本，同時解決光照、遮擋導致檢測效果差異明顯的問題，使得林業調查工作更加安全便捷。

為了實現上述目的，本申請技術方案如下：

一種基于樹木整體圖像的樹木檢測方法，包括：

采集樹木的整體圖像，建立數據集，對數據集進行數據增強處理，使得每類樹木的樣本數量一致；

對數據增強處理后數據集中的樹木圖像進行光照處理；

采用Faster R-CNN算法對光照處理后的樹木圖像進行特征提取、候選區域生成和分類，輸出檢測結果。

進一步的，所述對數據增強處理后數據集中的樹木圖像進行光照處理，其中，對樹木圖像進行光照處理的公式如下：

其中，I(X)是待處理樹木圖像，J(x)是光照處理后的圖像，A是圖像亮度，t(x)為透射率，t₀是預設閾值。

進一步的，所述圖像亮度A通過如下方法獲取：