本發(fā)明涉及遙感影像處理以及植被病蟲害檢測領(lǐng)域，尤其涉及由植被病蟲害引起的變色木無人機高光譜影像識別檢測方法。

背景技術(shù)：

1、近年來，松材線蟲病、紅脂大小蠹、檳榔黃化病、松切梢小蠹等會造成樹木葉片色素含量、水分含量發(fā)生變化，進而導致葉片變色的林業(yè)重要病蟲害呈多發(fā)重發(fā)頻發(fā)趨勢，對森林生態(tài)環(huán)境安全構(gòu)成嚴重威脅。以往采用的人工檢測方法由于耗時耗力效率較低，往往會延誤病蟲害防治的最佳時機。遙感技術(shù)的發(fā)展為變色木的檢測提供了新方法，然而衛(wèi)星遙感影像易受空間分辨率、光譜分辨率的限制導致檢測精度較低；無人機遙感技術(shù)則易受人員操作、通信條件、地形等因素的限制。應用具備無人機自動起降、數(shù)據(jù)采集存儲回傳功能、搭載高光譜傳感器的無人值守式無人機平臺，可以克服實地環(huán)境的限制同時獲取高分辨率的遙感影像數(shù)據(jù)，為構(gòu)建變色木精準檢測技術(shù)提供數(shù)據(jù)基礎(chǔ)。

2、以往基于遙感影像進行目視解譯存在主觀性強、效率低下的缺陷，圖形處理算法與計算機硬件設備的進步讓計算機輔助變色木識別逐漸被廣泛應用于病蟲害檢測領(lǐng)域。目前較常用的基于單一圖像特征：顏色、紋理、形狀進行變色木識別的方法難以滿足病蟲害檢測的精度需求。而高光譜傳感器可以捕捉更多波段的光譜信息，提供更加全面深入的待檢測目標特征，有助于精確識別土壤養(yǎng)分分布、植被健康狀態(tài)、病蟲害侵染情況。

3、鑒于此，有必要設計一種基于無人值守式無人機高光譜影像的變色木檢測方法，為有效防治病蟲害提供技術(shù)支撐。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的在于提供一種基于無人值守式無人機高光譜影像的變色木檢測方法，用以解決病蟲害傳統(tǒng)檢測手段效率、精度較低、數(shù)據(jù)利用不充分的問題。

2、本發(fā)明采取的技術(shù)方案是：

3、(1)由搭載高光譜傳感器的無人值守式無人機平臺獲取目標區(qū)域高光譜影像，并進行數(shù)據(jù)預處理；

4、(2)應用監(jiān)督分類算法進行高光譜影像地物分類，劃定植被區(qū)域；

5、(3)用特征選擇算法篩選對檢測變色木敏感的三個特征波段；

6、(4)計算光譜曲線中三個特征波段對應反射率值所圍成的三角形面積，構(gòu)建面積植被指數(shù)；

7、(5)使用變色木與健康木光譜數(shù)據(jù)構(gòu)建pls-da偏最小二乘判別分析模型；

8、(6)使用變色木與健康木光譜數(shù)據(jù)訓練一維卷積神經(jīng)網(wǎng)絡；

9、(7)集合上述三種方法構(gòu)建自動化識別模塊；

10、(8)將待檢測數(shù)據(jù)輸入自動化識別模塊，生成識別結(jié)果；

11、在該方法的一種優(yōu)選方案中，所述目標區(qū)域影像通過無人值守式無人機平臺每隔一定時間間隔采集，所述平臺由智能無人機場、電動垂起固定翼無人機、高光譜多源遙感載荷三部分組成，對該影像進行輻射定標、大氣校正、幾何校正標準化預處理，獲取400-1000nm波長范圍內(nèi)240個波段的光譜反射率數(shù)據(jù)。

12、在該方法的一種優(yōu)選方案中，所述監(jiān)督分類算法為平行六面體或最大似然算法，進行地表覆蓋類型分類，提取植被區(qū)域。

13、在該方法的一種優(yōu)選方案中，所述特征選擇算法為relief-f特征選擇算法，篩選出變色木與健康木之間光譜反射率差異較大的三個特征波段。

14、在該方法的一種優(yōu)選方案中，所述面積植被指數(shù)構(gòu)建方法為：連接光譜曲線上三個特征波段對應點，計算所圍成的三角形面積，計算公式如下：

15、pwdai＝|((ρ3-ρ1)*(ρ2-ρ1)*(ρ3-ρ2)-(λ3-λ1)*(λ2-λ1)*(λ3-λ2))/2|

16、其中ρ1、ρ2、ρ3分別表示三個特征波段反射率值；λ1、λ2、λ3分別表示三個特征波段波長。

17、在該方法的一種優(yōu)選方案中，將變色木與健康木光譜數(shù)據(jù)標記為不同類別并創(chuàng)建光譜數(shù)據(jù)集，按照3：1的比例劃分訓練集與測試集，使用訓練集數(shù)據(jù)擬合pls-da判別分析模型，使用測試集數(shù)據(jù)進行模型精度測試。

18、在該方法的一種優(yōu)選方案中，參考alex-net框架并對其進行改進，使用帶有標簽的變色木與健康木光譜數(shù)據(jù)，構(gòu)建適用于一維光譜數(shù)據(jù)的一維卷積神經(jīng)網(wǎng)絡；

19、在該方法的一種優(yōu)選方案中，將面積植被指數(shù)檢測法、偏最小二乘判別分析模型檢測法、一維卷積神經(jīng)網(wǎng)絡檢測法打包為docker，構(gòu)建變色木自動化識別模塊；

20、在該方法的一種優(yōu)選方案中，獲取待檢測區(qū)域無人機高光譜數(shù)據(jù)，將數(shù)據(jù)輸入變色木自動化識別模塊，輸出不同檢測方法的對應檢測結(jié)果。

21、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：1、無人值守式無人機平臺與傳統(tǒng)無人機相比能夠應對多種天氣條件、實現(xiàn)自動充電、自動起降作業(yè)、具備實時監(jiān)測等優(yōu)勢；2、高光譜傳感器能夠提供更加全面的波段信息，提供更加豐富的數(shù)據(jù)；3、所構(gòu)建新型面積植被指數(shù)、pls-da判別分析模型、alexnet一維卷積神經(jīng)網(wǎng)絡所集合成的自動化識別模塊針對變色木檢測精度、正確率、效率較高。能夠為變色木的精準識別提供可靠的技術(shù)支持。

技術(shù)特征：

1.一種針對變色木識別的新型面積植被指數(shù)的構(gòu)建方法，包含以下步驟：

2.如權(quán)利要求1所述的一種針對變色木識別的新型面積指數(shù)的構(gòu)建方法，其特征在于：所述步驟(1)具體為：所述目標區(qū)域影像通過無人值守式無人機平臺每隔一定時間間隔采集，所述平臺由智能無人機場、電動垂起固定翼無人機、高光譜多源遙感載荷三部分組成，對該影像進行輻射定標、大氣校正、幾何校正標準化預處理，獲取400-1000nm波長范圍內(nèi)240個波段的光譜反射率數(shù)據(jù)。

3.如權(quán)利要求1所述的一種針對變色木識別的新型面積指數(shù)的構(gòu)建方法，其特征在于：所述步驟(2)具體為：基于預處理后的高光譜影像使用監(jiān)督分類算法進行地表覆蓋類型分類，提取植被區(qū)域。

4.如權(quán)利要求1所述的一種針對變色木識別的新型面積指數(shù)的構(gòu)建方法，其特征在于：所述步驟(3)具體為：基于由高光譜影像提取的變色木與健康木光譜數(shù)據(jù)，使用relief-f特征選擇算法，篩選出變色木與健康木之間光譜反射率差異較大的三個特征波段。

5.如權(quán)利要求1所述的一種針對變色木識別的新型面積指數(shù)的構(gòu)建方法，其特征在于：所述步驟(4)具體為：連接光譜曲線上三個特征波段對應點，計算所圍成的三角形面積，計算公式如下：

6.如權(quán)利要求3所述的一種針對變色木識別的新型面積指數(shù)的構(gòu)建方法，其特征在于：所述步驟(2)中的監(jiān)督分類算法具體為：平行六面體或最大似然算法。

7.一種利用權(quán)利1所述的植被指數(shù)構(gòu)建方法進行變色木檢測的方法，包含以下步驟：

8.如權(quán)利要求7所述的變色木檢測方法，其特征在于：所述步驟(2)具體為：將變色木與健康木光譜數(shù)據(jù)標記為不同類別并創(chuàng)建光譜數(shù)據(jù)集，按照3：1的比例劃分訓練集與測試集，使用訓練集數(shù)據(jù)擬合pls-da判別分析模型，使用測試集數(shù)據(jù)進行模型精度測試。

9.如權(quán)利要求7所述的變色木檢測方法，其特征在于：所述步驟(3)具體為：使用帶有標簽的變色木與健康木光譜數(shù)據(jù)，參考alex-net框架并對其進行改進，構(gòu)建適用于一維光譜數(shù)據(jù)的一維卷積神經(jīng)網(wǎng)絡。

10.如權(quán)利要求7所述的變色木檢測方法，其特征在于：所述步驟(4)具體為：將面積植被指數(shù)檢測法、偏最小二乘判別分析模型檢測法、一維卷積神經(jīng)網(wǎng)絡檢測法打包為docker，構(gòu)建變色木自動化識別模塊。

11.如權(quán)利要求7所述的變色木檢測方法，其特征在于：所述步驟(5)具體為：獲取待檢測區(qū)域無人機高光譜數(shù)據(jù)，將數(shù)據(jù)輸入變色木自動化識別模塊，輸出不同檢測方法的對應檢測結(jié)果。

技術(shù)總結(jié)
本發(fā)明公開了一個基于無人機高光譜影像，針對變色木識別的新型植被指數(shù)及構(gòu)建方法。通過提取樹木光譜反射曲線，用特征選擇算法篩選特征波段構(gòu)建面積植被指數(shù)。本發(fā)明構(gòu)建的新型指數(shù)可有效增強變色木與健康木差異。同時提供了一種基于無人值守式無人機高光譜影像的變色木檢測方法，涉及遙感影像處理以及植被病蟲害檢測領(lǐng)域，尤其涉及由變色木無人機高光譜影像檢測方法。包括以下步驟：1、自動采集目標區(qū)域內(nèi)高光譜影像并提取植被光譜反射率；2、用特征選擇算法篩選特征波段構(gòu)建面積植被指數(shù)、構(gòu)建PLS?DA偏最小二乘判別模型、訓練一維卷積神經(jīng)網(wǎng)絡；3、構(gòu)建包含上述三種方法的自動化識別模塊；4、將待測數(shù)據(jù)輸入模塊進行檢測。

技術(shù)研發(fā)人員：楊爍,李林源,黃華國
受保護的技術(shù)使用者：北京林業(yè)大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6