10.13360/j.issn.2096-1359.202104035
基于残差网络的遥感影像松材线虫病自动识别
松材线虫病是针对松树的特殊疾病,具有前期发病特征隐蔽、传播范围广、致病速度快的特点,因此面对林业病虫害问题,对受灾区域染病树木进行高效识别和分类,监测其他区域的树木生长情况,并且根据受灾情况确定损失,进行保险理赔是十分重要的.针对染病树木识别准确率低、识别速度慢的问题,本研究利用遥感影像和残差网络相结合的方法,并对残差网络进行优化改进,最终实现了松材线虫病树木的识别,降低人工识别成本,减少识别错误.以湖北省宜昌市远安县嫘祖镇作为研究区域,利用5幅高分一号遥感影像及部分GPS染病树木点作为数据源;通过图像分割、图像增强和坐标转换等一系列预处理将原始数据制作成带有标签和坐标系结合的数据集;将数据集分别输入残差网络ResNet18、ResNet34、ResNet50、ResNet101、ResNet152模型中,根据模型在训练集和验证集上的F1值,结合模型在两个数据集上的准确率曲线及训练集的损失函数曲线,选择表现最好的模型,对其进行优化改进,提高识别精度.模型在Keras的深度学习平台下使用Python语言进行染病树木识别,研究结果表明,识别精度准确率达到87%,实现了松材线虫病树木识别,较适宜应用于林业病虫害问题诊断.
高分一号、Keras、残差网络、病虫害识别、松材线虫病
7
P237(摄影测量学与测绘遥感)
国家自然科学基金;航天信德智图北京科技有限公司项目
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
185-191