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(jī)高光譜影像識(shí)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(huì)造成樹木葉片色素含量、水分含量發(fā)生變化，進(jìn)而導(dǎo)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(yán)重威脅。以往采用的人工檢測方法由于耗時(shí)耗力效率較低，往往會(huì)延誤病蟲害防治的最佳時(shí)機(jī)。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(dǎo)致檢測精度較低；無人機(jī)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(yīng)用具備無人機(jī)自動(dòng)起降、數(shù)據(jù)采集存儲(chǔ)回傳功能、搭載高光譜傳感器的無人值守式無人機(jī)平臺(tái)，可以克服實(shí)地環(huán)境的限制同時(shí)獲取高分辨率的遙感影像數(shù)據(jù)，為構(gòu)建變色木精準(zhǔn)檢測技術(shù)提供數(shù)據(jù)基礎(chǔ)。

2、以往基于遙感影像進(jìn)行目視解譯存在主觀性強(qiáng)、效率低下的缺陷，圖形處理算法與計(jì)算機(jī)硬件設(shè)備的進(jìn)步讓計(jì)算機(jī)輔助變色木識(shí)別逐漸被廣泛應(yīng)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(jìn)行變色木識(shí)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(biāo)特征，有助于精確識(shí)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(shè)計(jì)一種基于無人值守式無人機(jī)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(shí)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(jī)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(jī)平臺(tái)獲取目標(biāo)區(qū)域高光譜影像，并進(jìn)行數(shù)據(jù)預(yù)處理；

4、(2)應(yīng)用監(jiān)督分類算法進(jìn)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(gè)特征波段；

6、(4)計(jì)算光譜曲線中三個(gè)特征波段對應(yīng)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(xùn)練一維卷積神經(jīng)網(wǎng)絡(luò)；

9、(7)集合上述三種方法構(gòu)建自動(dòng)化識(shí)別模塊；

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

11、在該方法的一種優(yōu)選方案中，所述目標(biāo)區(qū)域影像通過無人值守式無人機(jī)平臺(tái)每隔一定時(shí)間間隔采集，所述平臺(tái)由智能無人機(jī)場、電動(dòng)垂起固定翼無人機(jī)、高光譜多源遙感載荷三部分組成，對該影像進(jìn)行輻射定標(biāo)、大氣校正、幾何校正標(biāo)準(zhǔn)化預(yù)處理，獲取400-1000nm波長范圍內(nèi)240個(gè)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(jìn)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(gè)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(gè)特征波段對應(yīng)點(diǎn)，計(jì)算所圍成的三角形面積，計(jì)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(gè)特征波段反射率值；λ1、λ2、λ3分別表示三個(gè)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(biāo)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(xùn)練集與測試集，使用訓(xùn)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(jìn)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(jìn)行改進(jìn)，使用帶有標(biāo)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(luò)；

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(luò)檢測法打包為docker，構(gòu)建變色木自動(dòng)化識(shí)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(jī)高光譜數(shù)據(jù)，將數(shù)據(jù)輸入變色木自動(dòng)化識(shí)別模塊，輸出不同檢測方法的對應(yīng)檢測結(jié)果。

21、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：1、無人值守式無人機(jī)平臺(tái)與傳統(tǒng)無人機(jī)相比能夠應(yīng)對多種天氣條件、實(shí)現(xiàn)自動(dòng)充電、自動(dòng)起降作業(yè)、具備實(shí)時(shí)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(luò)所集合成的自動(dòng)化識(shí)別模塊針對變色木檢測精度、正確率、效率較高。能夠?yàn)樽兩镜木珳?zhǔn)識(shí)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(shí)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(shí)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(biāo)區(qū)域影像通過無人值守式無人機(jī)平臺(tái)每隔一定時(shí)間間隔采集，所述平臺(tái)由智能無人機(jī)場、電動(dòng)垂起固定翼無人機(jī)、高光譜多源遙感載荷三部分組成，對該影像進(jìn)行輻射定標(biāo)、大氣校正、幾何校正標(biāo)準(zhǔn)化預(yù)處理，獲取400-1000nm波長范圍內(nèi)240個(gè)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(shí)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(yù)處理后的高光譜影像使用監(jiān)督分類算法進(jìn)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(shí)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(gè)特征波段。

5.如權(quán)利要求1所述的一種針對變色木識(shí)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(gè)特征波段對應(yīng)點(diǎn)，計(jì)算所圍成的三角形面積，計(jì)算公式如下：

6.如權(quán)利要求3所述的一種針對變色木識(shí)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(jìn)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(biāo)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(xùn)練集與測試集，使用訓(xùn)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(jìn)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(biāo)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(jìn)行改進(jìn)，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(luò)。

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(luò)檢測法打包為docker，構(gòu)建變色木自動(dòng)化識(shí)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(jī)高光譜數(shù)據(jù)，將數(shù)據(jù)輸入變色木自動(dòng)化識(shí)別模塊，輸出不同檢測方法的對應(yīng)檢測結(jié)果。

技術(shù)總結(jié)
本發(fā)明公開了一個(gè)基于無人機(jī)高光譜影像，針對變色木識(shí)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(qiáng)變色木與健康木差異。同時(shí)提供了一種基于無人值守式無人機(jī)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(jī)高光譜影像檢測方法。包括以下步驟：1、自動(dòng)采集目標(biāo)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(xùn)練一維卷積神經(jīng)網(wǎng)絡(luò)；3、構(gòu)建包含上述三種方法的自動(dòng)化識(shí)別模塊；4、將待測數(shù)據(jù)輸入模塊進(jìn)行檢測。

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