10.3969/j.issn.1001-4616.2021.03.013
基于深度学习和遥感影像的松材线虫病疫松树目标检测
针对传统的松材线虫病大范围监测方法耗费高、效率低的问题,研究基于高分辨率无人机遥感影像,采用深度学习方法对病疫区染病松树进行目标检测及地理定位.建立病疫松树样本数据集,采用YOLO目标检测模型,通过锚框尺寸重算、模型迁移学习等方法进行样本训练.将大幅影像进行滑窗分割、逐个检测、NMS重叠处理、坐标转换之后,得到研究区内染病松树的数量及其精确坐标.实验结果表明,本研究算法的准确率为84.8%,召回率为81.7%.本研究算法相比传统的目视解译方法,精度接近,但耗时仅为目视解译方法的1/4,更能满足管理部门对松材线虫病害防治大范围、高精度、快速识别的要求.
松材线虫病;遥感影像;深度学习;YOLOv3;聚类统计;NMS算法
44
P208;P237(一般性问题)
义乌市自然资源和规划局资助项目ZXZJZC2019376GK
2021-10-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
84-89