[發明專利]一種融合多源異構數據的松材線蟲病受害木識別深度學習方法

在審

• 申請號: 202211639316.6
• 申請日: 2022-12-20
• 公開（公告）號: CN116051982A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 張曉麗;王耿;李英博;李霓雯;柴國奇;賈翔
• 申請（專利權）人: 北京林業大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/17;G06V10/764;G06V10/82;G06V10/80
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于無人機高光譜和LiDAR的融合數據而提出的3D點云深度學習方法(BH3DNet)，適用于區域松材線蟲病害的超高精度監測，屬于深度學習和數據融合在林業應用技術領域。關鍵技術要點包括：1.使用特定方法將高光譜數據賦值到點云數據上來融合高光譜和點云數據；2.使用特定方法高斯噪聲抖動擴增樣本數據集；3.構建了一種基于點云的實例分割算法模型(BH3DNet)。本發明將基于無人機遙感數據監測病蟲害發生區域做到了單木尺度，形成單木定位、單木邊界分割和感病階段識別一體化的監測技術體系，從而快速、自動完成受害木定位和感病階段監測，為災害的早期防控提供有力技術支撐。

一、技術領域

本發明涉及一種融合高光譜和點云數據監測松材線蟲病害的方法，特別是提出了一種高光譜數據和點云數據的融合方法，構建了一種深度學習算法網絡模型，用以實現單木尺度基于融合數據的松材線蟲病(Pine?wilt?disease,PWD)受害木不同感病階段判別，屬于深度學習和數據融合在林業應用技術領域。

二、技術背景

松材線蟲病是一種對我國林業造成嚴重危害和數以億計經濟損失的森林傳染病,其主要通過寄主昆蟲松墨天牛和人工疫木遷徙傳播，具有破壞性強、傳播速度快和防治難度大的特點。傳統調查方法時效性差，效率低，需消耗大量人力物力；遙感技術因其覆蓋范圍大、效率高、成本低等優勢被廣泛應用于森林病蟲害的監測中。現今主要的遙感技術包括航天遙感、航空遙感和地面遙感，其中衛星遙感的分辨率相對較低，而地基遙感成本過高，不適合大面積監測。

無人機作為一種新型遙感平臺，通過搭載多種傳感器，如高清相機，多光譜、高光譜傳感器和LiDAR(Light?Detection?and?Ranging)等，可以獲取豐富的多源精細遙感數據，為監測不同感病階段植株提供了新的手段，在林業病蟲害監測應用中發揮關鍵的作用。與傳統遙感手段相比，機載高光譜遙感具有波段窄、通道多、空間信息與光譜信息合二為一的特點，它利用窄而連續的光譜通道對地物成像，獲取有利于地物精細識別和分類的特征，能大大提高對松材線蟲感病時期的識別和分類精度；機載激光雷達受天氣影響較小，穿透性強，可生成地物密集的三維點云數據，能夠提取與冠層高度模型、森林垂直結構等相關的特征，被廣泛應用于單木的分割和參數估算。但目前這兩種數據聯合應用的技術缺失，導致無人機PWD監測具有很大局限性，即無法將PWD監測做到單木尺度。

近幾年，深度學習引起了國內外研究者極大的關注，基于卷積神經網絡的算法憑其較高的魯棒性和效率逐漸被應用在遙感領域，目前已有不少工作成功將卷積神經網絡(Convolutional?Neural?Networks，CNN)用于病蟲害監測領域中，且取得了不錯的效果。然而，這些方法多集中在基于光學數據的顏色特征和紋理特征的分類算法，只能做到像素尺度的病害監測，無法直接完成單木級別的受害木識別，且得不到受害木樹冠邊界信息。LiDAR技術具有單木定位和分割的能力，但由于缺少光譜信息難以很好表達樹木的生理特征變化，因而難以直接識別感病疫木，尤其是不同的感病階段。目前，基于無人機航拍的高光譜和點云融合數據的深度學習應用算法較少，且未有全流程的數據處理分析方法，以及融合兩種數據的松材線蟲病單木尺度的監測技術。因此，構建一個單木定位、單木邊界分割和感病階段識別一體化的監測技術體系，從而直接完成受害木定位和感病階段監測，能夠為災害的早期防控提供有力技術支撐。

綜上，當前松材線蟲受害木檢測和受害程度監測算法面臨的主要挑戰是：

(1)基于高分光學圖像的CNN(Convolutional?Neural?Network)分類方法識別受害木的精度不高且無法真正做到單木檢測。

(2)基于LiDAR點云的分割方法可以實現單木定位和樹冠分割但無法獲得植株受害信息。

三、發明內容