本申請(qǐng)涉及病蟲(chóng)害識(shí)別監(jiān)測(cè)，具體地涉及影像數(shù)據(jù)的讀取和識(shí)別，更具體地涉及基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病變色立木感病階段識(shí)別監(jiān)測(cè)方法。

背景技術(shù)：

1、傳統(tǒng)的監(jiān)測(cè)預(yù)報(bào)依賴于人工調(diào)查，不僅費(fèi)時(shí)費(fèi)力，而且受地形地貌等因素影響，很難實(shí)時(shí)、準(zhǔn)確地掌握松材線蟲(chóng)病發(fā)生情況、區(qū)域、范圍以及程度，導(dǎo)致防治不及時(shí)，災(zāi)害大面積擴(kuò)散蔓延，造成不可挽回的損失。衛(wèi)星遙感雖然能夠?qū)崿F(xiàn)大面積監(jiān)測(cè)，但受重訪周期、分辨率、天氣等因素影響，無(wú)法滿足短期災(zāi)變、高精度的監(jiān)測(cè)需求。隨著遙感技術(shù)的快速發(fā)展，無(wú)人機(jī)遙感相較于衛(wèi)星遙感可獲得更高空間分辨率的影像，具有靈活度高、實(shí)時(shí)性強(qiáng)等優(yōu)勢(shì)，對(duì)變色立木的識(shí)別可精確至單株，已成為松材線蟲(chóng)病災(zāi)害監(jiān)測(cè)的重要手段之一。

2、通過(guò)無(wú)人機(jī)搭載不同相機(jī)可獲取多種數(shù)據(jù)類型，如可見(jiàn)光、多光譜、高光譜、熱紅外等無(wú)人機(jī)遙感數(shù)據(jù)，多類型的無(wú)人機(jī)數(shù)據(jù)在松材線蟲(chóng)病變色立木監(jiān)測(cè)識(shí)別方面具有重要意義?？紤]傳感器成本、獲取數(shù)據(jù)的難易性和處理速度等原因，在實(shí)際業(yè)務(wù)工作中為快速識(shí)別變色立木常采用無(wú)人機(jī)可見(jiàn)光影像，而無(wú)人機(jī)多光譜、高光譜等數(shù)據(jù)多用于松材線蟲(chóng)病早期監(jiān)測(cè)研究。陳維美等基于無(wú)人機(jī)影像，利用vgg16和改進(jìn)的yolov5的兩級(jí)融合深度學(xué)習(xí)模型識(shí)別松材線蟲(chóng)病變色立木，識(shí)別準(zhǔn)確率為85.58%。zhang?等利用無(wú)人機(jī)可見(jiàn)光影像基于改進(jìn)的yolov5開(kāi)展松材線蟲(chóng)病變色立木監(jiān)測(cè)，識(shí)別準(zhǔn)確率為92.6%，較原模型提高了3.3%。su?等[20]提出了一種基于pwd-yolov8的航拍圖像檢測(cè)模型，該模型識(shí)別變色立木準(zhǔn)確率為87.9%。劉金滄?等通過(guò)無(wú)人機(jī)紅、綠、藍(lán)三波段及紋理特征構(gòu)建特征向量，采用條件隨機(jī)場(chǎng)模型進(jìn)行變色立木分類，平均精度達(dá)88.43%。松樹(shù)感染松材線蟲(chóng)病后松針葉顏色發(fā)生顯著變化，利用影像中感染松材線蟲(chóng)病松樹(shù)的光譜特征可實(shí)現(xiàn)對(duì)變色立木的遙感監(jiān)測(cè)。汪小欽?等比較基于可見(jiàn)光波段構(gòu)建的植被指數(shù)提取健康綠色植被信息，結(jié)果表明可見(jiàn)光波段差異植被指數(shù)（visible-band?difference?vegetation?index，vdvi）提取精度高于歸一化紅綠差異指數(shù)（red?green?normalized?difference?index，rgndi）、超綠指數(shù)（excessgreen?index，exg）。鄒玉珍?等比較由紅、綠波段構(gòu)成的4種植被指數(shù)（rgri、grri、rgndi和exr）提取變色立木精度，其中基于exr提取精度最高。李浩?等結(jié)合超綠特征因子（exg）和最大類間方差法的圖像分割算法較好實(shí)現(xiàn)對(duì)染病松樹(shù)病害程度的判別分析。

3、綜上所述，利用無(wú)人機(jī)可見(jiàn)光影像監(jiān)測(cè)松材線蟲(chóng)病變色立木的研究已取得較多進(jìn)展，但當(dāng)前對(duì)無(wú)人機(jī)識(shí)別松材線蟲(chóng)病變色立木的研究存在兩方面問(wèn)題，一是當(dāng)前研究多集中于模型算法的改進(jìn)，但由于缺乏樣本，難以推廣至不同區(qū)域；二是當(dāng)前在變色木監(jiān)測(cè)識(shí)別研究中，針對(duì)僅含紅、綠、藍(lán)三波段的無(wú)人機(jī)可見(jiàn)光影像構(gòu)建植被指數(shù)的提取識(shí)別研究仍具有潛力。針對(duì)以上問(wèn)題，本發(fā)明基于無(wú)人機(jī)可見(jiàn)光影像計(jì)算植被指數(shù)，利用閾值分割方法實(shí)現(xiàn)變色木識(shí)別并達(dá)到業(yè)務(wù)應(yīng)用水平。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于無(wú)人機(jī)可見(jiàn)光遙感影像的松材線蟲(chóng)病變色立木識(shí)別方法，進(jìn)一步提升基于無(wú)人機(jī)可見(jiàn)光遙感數(shù)據(jù)識(shí)別感染松材線蟲(chóng)病變色立木的效率與精度。

2、本發(fā)明所采取的技術(shù)方案如下：

3、s1、獲取檢測(cè)區(qū)域內(nèi)的高分辨率無(wú)人機(jī)可見(jiàn)光遙感影像；

4、s2、基于可見(jiàn)光三波段計(jì)算植被指數(shù)（exg、vdvi）；

5、進(jìn)一步，步驟s2中基于可見(jiàn)光三波段計(jì)算植被指數(shù)（exg、vdvi）公式為：

6、；

7、；

8、式中，、、分別表示紅、綠、藍(lán)波段像元值。

9、s3、可見(jiàn)光影像與植被指數(shù)多閾值分割；

10、進(jìn)一步，步驟s3中依據(jù)植被指數(shù)與可見(jiàn)光影像進(jìn)行閾值分割，具體包含以下步驟：

11、s31、轉(zhuǎn)為灰度值：將可見(jiàn)光影像及對(duì)應(yīng)的植被指數(shù)圖像轉(zhuǎn)為灰度圖像，像素值范圍在0~255。

12、s32、閾值分割：采用遺傳算法改進(jìn)的多閾值最大類間方差法（otsu）對(duì)圖像進(jìn)行閾值分割，為避免閾值數(shù)量少導(dǎo)致誤分，設(shè)置分割的閾值個(gè)數(shù)為10。對(duì)步驟s31轉(zhuǎn)為灰度值后的可見(jiàn)光與植被指數(shù)圖像進(jìn)行閾值分割。

13、s4、變色立木提取與后處理。

14、進(jìn)一步，步驟4中識(shí)別變色立木，并對(duì)結(jié)果進(jìn)行后處理。具體步驟包括：

15、依據(jù)步驟3所得轉(zhuǎn)為灰度值后的可見(jiàn)光與植被指數(shù)圖像閾值分割結(jié)果，分別獲取植被與非植被（陰影等）區(qū)域提取結(jié)果與變色立木初步提取結(jié)果。利用基于預(yù)處理后無(wú)人機(jī)可見(jiàn)光影像閾值分割后得到的植被區(qū)域?qū)ψ兩⒛境醪教崛鸥駡D進(jìn)行掩膜處理，將掩膜后結(jié)果轉(zhuǎn)為矢量，計(jì)算每個(gè)圖斑的面積，最后根據(jù)圖斑面積篩選得到變色立木。

16、所述的步驟s2中基于可見(jiàn)光三波段計(jì)算植被指數(shù)包括過(guò)綠植被指數(shù)、歸一化綠紅差異指數(shù)、歸一化綠藍(lán)差異指數(shù)、紅綠比值指數(shù)和可見(jiàn)光波段差異性植被指數(shù)。

17、所述的過(guò)綠植被指數(shù)計(jì)算公式：；

18、其中g(shù)代表綠光波段的反射率，r代表紅光波段的反射率，b代表藍(lán)光波段的反射率；該指數(shù)通過(guò)增強(qiáng)綠色植被在綠光波段相對(duì)較高的反射特性來(lái)突出植被信息。

19、歸一化綠紅差異指數(shù)的計(jì)算公式為：；此指數(shù)利用綠光和紅光波段的差異，來(lái)反映植被的生長(zhǎng)狀況和覆蓋程度；綠光波段對(duì)植被的反射較強(qiáng)，紅光波段易被植被吸收，兩者的差異經(jīng)歸一化處理后，能較好地體現(xiàn)植被的特征。

20、歸一化綠藍(lán)差異指數(shù)的計(jì)算公式為：；該指數(shù)基于綠光和藍(lán)光波段的反射差異，可用于分析植被的特性；與ngrdi類似，通過(guò)對(duì)綠光和藍(lán)光波段的差異進(jìn)行歸一化處理，以突出植被與其他地物在這兩個(gè)波段上的不同反射特征。

21、紅綠比值指數(shù)計(jì)算公式為：；該指數(shù)簡(jiǎn)單直觀地反映了紅光波段和綠光波段反射率的比值關(guān)系；由于植被在紅光波段的吸收較強(qiáng)、綠光波段的反射較強(qiáng)，所以該比值可以在一定程度上指示植被的生長(zhǎng)狀態(tài)和覆蓋情況。

22、可見(jiàn)光波段差異性植被指數(shù)計(jì)算公式為：；綜合考慮可見(jiàn)光三個(gè)波段的植被指數(shù)，通過(guò)對(duì)三個(gè)波段的信息進(jìn)行整合和計(jì)算，能夠更全面地反映植被的特征；其取值范圍與歸一化植被指數(shù)的取值范圍相同。

23、本發(fā)明與現(xiàn)有技術(shù)相比較，具有以下有益效果：

24、本發(fā)明基于無(wú)人機(jī)可見(jiàn)光遙感影像識(shí)別松材線蟲(chóng)病變色立木，采用高分辨率無(wú)人機(jī)可見(jiàn)光數(shù)據(jù)，提出了無(wú)需構(gòu)建樣本數(shù)據(jù)集，基于植被指數(shù)利用閾值分割快速提取變色立木的方法，識(shí)別效果良好。

25、本發(fā)明與傳統(tǒng)的監(jiān)測(cè)員定期巡查監(jiān)測(cè)松材線蟲(chóng)病相比，可發(fā)現(xiàn)隱藏在林中的變色立木，節(jié)省大量的人力物力，同時(shí)調(diào)查區(qū)域覆蓋面積更大，極大提升了工作效率。

技術(shù)特征：

1.基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：所述的步驟s2中基于可見(jiàn)光三波段計(jì)算植被指數(shù)包括過(guò)綠植被指數(shù)、歸一化綠紅差異指數(shù)、歸一化綠藍(lán)差異指數(shù)、紅綠比值指數(shù)和可見(jiàn)光波段差異性植被指數(shù)。

3.根據(jù)權(quán)利要求2所述的基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：所述的過(guò)綠植被指數(shù)計(jì)算公式：；

4.根據(jù)權(quán)利要求2所述的基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：歸一化綠紅差異指數(shù)的計(jì)算公式為：；此指數(shù)利用綠光和紅光波段的差異，來(lái)反映植被的生長(zhǎng)狀況和覆蓋程度；綠光波段對(duì)植被的反射較強(qiáng)，紅光波段易被植被吸收，兩者的差異經(jīng)歸一化處理后，能較好地體現(xiàn)植被的特征。

5.根據(jù)權(quán)利要求2所述的基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：歸一化綠藍(lán)差異指數(shù)的計(jì)算公式為：；該指數(shù)基于綠光和藍(lán)光波段的反射差異，可用于分析植被的特性；與ngrdi類似，通過(guò)對(duì)綠光和藍(lán)光波段的差異進(jìn)行歸一化處理，以突出植被與其他地物在這兩個(gè)波段上的不同反射特征。

6.根據(jù)權(quán)利要求2所述的基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：紅綠比值指數(shù)計(jì)算公式為：；該指數(shù)簡(jiǎn)單直觀地反映了紅光波段和綠光波段反射率的比值關(guān)系；由于植被在紅光波段的吸收較強(qiáng)、綠光波段的反射較強(qiáng)，所以該比值可以在一定程度上指示植被的生長(zhǎng)狀態(tài)和覆蓋情況。

7.根據(jù)權(quán)利要求2所述的基于無(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，其特征在于：可見(jiàn)光波段差異性植被指數(shù)計(jì)算公式為：；綜合考慮可見(jiàn)光三個(gè)波段的植被指數(shù)，通過(guò)對(duì)三個(gè)波段的信息進(jìn)行整合和計(jì)算，能夠更全面地反映植被的特征；其取值范圍與歸一化植被指數(shù)的取值范圍相同。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┝嘶跓o(wú)人機(jī)可見(jiàn)光遙感的松材線蟲(chóng)病疫木感病階段監(jiān)測(cè)識(shí)別方法，具體涉及影像數(shù)據(jù)的讀取和識(shí)別以用于松材線蟲(chóng)病變色識(shí)別技術(shù)領(lǐng)域，包括以下步驟：基于獲取的無(wú)人機(jī)可見(jiàn)光遙感數(shù)據(jù)進(jìn)行幾何配準(zhǔn)、裁剪等預(yù)處理；基于可見(jiàn)光三波段計(jì)算植被指數(shù)：可見(jiàn)光波段差異植被指數(shù)（visible?band?difference?vegetation?index，VDVI）、超綠指數(shù)（excess?green?index，ExG）；將可見(jiàn)光影像及對(duì)應(yīng)的植被指數(shù)圖像轉(zhuǎn)為灰度圖像，對(duì)其進(jìn)行多閾值分割；依據(jù)最佳閾值提取變色立木，對(duì)提取結(jié)果進(jìn)行后處理實(shí)現(xiàn)單株變色立木識(shí)別，進(jìn)一步提升了基于可見(jiàn)光無(wú)人機(jī)遙感影像識(shí)別松材線蟲(chóng)病變色木的效率與精度。

技術(shù)研發(fā)人員：孫紅,于治軍,方國(guó)飛,閆佳鈺,周艷濤,劉冰,李曉冬,王越,張晨書(shū),曾慶偉
受保護(hù)的技術(shù)使用者：國(guó)家林業(yè)和草原局生物災(zāi)害防控中心
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9