[發明專利]一種松材線蟲病發生區域智能識別方法

在審

• 申請號: 202210038521.0
• 申請日: 2022-01-13
• 公開（公告）號: CN114373140A
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 方國飛;黃季夏;盧曉;孫紅;李曉冬;陳怡帆;王越;周艷濤
• 申請（專利權）人: 國家林業和草原局生物災害防控中心
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/26;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州國卓知識產權代理有限公司 32331
• 代理人: 江舟

本發明公開了一種松材線蟲病發生區域智能識別方法，將遙感影像數據和深度學習技術運用于松材線蟲病的監測領域?；谶b感影像構建松材線蟲病發生區域語義分割樣本數據集，構建UNet語義分割模型并進行模型的訓練和優化，實現松材線蟲病發生區域的智能識別。本發明流程簡單，實用性強，為松材線蟲病的智能監測提供一種新的方法，適用于森林病蟲害監測、深度學習影像識別等領域。

一、技術領域

本發明涉及森林病蟲害遙感影像分析和深度學習領域，特別涉及一種松材線蟲病發生區域智能識別方法。

二、背景技術

松材線蟲病(Bursaphelenchus xylophilus)是中國最危險的森林生物災害之一，對于松類樹種是一種毀滅性病害。因其具有傳染性強、致死率高的特點，松材線蟲病也被稱為松樹的“癌癥”。松材線蟲病使中國林業生態和經濟遭受重大損失，在1982—2017年的35年間，該病導致枯死松樹5000余萬株，經濟損失達數千億元，對中國的森林資源和生態環境造成巨大破壞。

傳統的松材線蟲病監測主要是監測員定期巡查監測，或者開展松材線蟲病的普查，由于部分林區當中未能建立相關的監測站和分配相應的監測人員，導致松材線蟲病監測不全面，加快了疫情的傳播。深度語義分割技術已在傳統圖像識別領域得到了日益廣泛的研究和應用，基于遙感影像運用語義分割技術對松材線蟲病進行智能識別，可以節省大量人力，實現松材線蟲病更精準的監測。

三、發明內容

(一)要解決的技術問題

本發明要解決的技術問題是：如何構建一種適宜識別松材線蟲病的深度語義分割網絡，從而可以基于遙感影像進行松材線蟲病發生區域的精準識別。

(二)技術方案

為了解決上述技術問題，本發明提出了一種松材線蟲病發生區域智能識別方法，包括以下步驟：

S1、獲取高分辨率的高分2號或無人機遙感影像，并對遙感影像進行波段組合等預處理。

S2、根據調查資料或解譯經驗確定目視解譯的標準，主要根據顏色、紋理、形狀等特征進行確定，根據確定好的解譯特征進行影像樣本的裁剪，最后在labelme標注軟件中進行枯死木的標注。

S3、將構建的松材線蟲病枯死木樣本數據集分為訓練-驗證數據集和測試數據集，訓練卷積神經網絡時使用訓練-驗證數據集，訓練-驗證數據集約占數據集樣本量的80％，其中包括80％的訓練數據和20％檢驗數據，分別僅限用于語義分割網絡參數更新和實時分類效果評價；測試數據集僅作為訓練后語義分割網絡的輸入數據，約占數據集樣本量的20％，獨立于訓練過程，用于評估模型的處理能力和泛化性能。

S4、構建UNet語義分割模型，該模型簡單、高效、易懂、可以從小數據集中訓練，對卷積神經網絡結構進行了更精細更高效的設計,可以實現對像素的精確分類。

S5、對UNet深度語義分割網絡進行結構上的改進，通過開始的兩個卷積層得到的特征圖的寬高與輸入影像的寬高相同，保留了影像更多的信息，但是在之后的下采樣過程中，UNet深度語義分割網絡丟失了很多細節信息，為了彌補這個缺陷，我們增加了8層普通卷積層來保留細節信息。

S6、在遙感影像中，枯死木在影像上占的像素比例很小，UNet深度語義分割網絡經過4次下采樣，特征圖的寬高變成原影像的16分之1，影像上枯死木的很多信息已經丟失，所以我們丟棄了最后的兩個下采樣層，這樣可以減少UNet深度語義分割網絡的參數量和計算量，提高識別速度。

S7、基于松材線蟲病枯死木樣本數據集進行結構改進后的UNet深度語義分割網絡的訓練。

S8、通過改變批次量和學習率進一步提高改進后的模型的訓練速度和識別準確率。

S9、將待識別的影像放入訓練好的模型中進行識別檢測。