[发明专利]一种基于神经网络及无人机航拍图像的油松虫害检测方法、系统及装置

权利要求书

1.一种基于神经网络及无人机航拍图像的油松虫害检测方法，其特征在于，所述方法包括：

步骤1、接收无人机航拍图像；

步骤2、对所述图像进行预处理，获得预处理后的受害图像；

步骤3、构建神经网络；所述神经网络包括基础特征提取器及预测模块；所述基础特征提取器后添加一额外特征提取层，所述额外特征提取层和所述基础特征提取器的最后一层构成所述预测模块；基于所述预测模块生成的特征图P1、P2上的默认框为锚点，预测目标类别和位置；

步骤4、使用所述神经网络对所述无人机航拍图像中的受害林木可进行检测。

2.根据权利要求1所述的方法，其特征在于，当需要对所述神经网络进行训练时，所述步骤1之前，还包括：

步骤001、标注已有无人机航拍图像，形成标注图像；所述标注包括包围受害林木边界的矩形的标注框坐标；

步骤002、将所述标注图像划分为训练集和测试集；

所述步骤4之后还包括：

步骤5、基于所述训练集对所述神经网络进行训练，并基于所述测试集对训练后的所述神经网络进行测试。

3.根据权利要求1所述的方法，其特征在于，所述步骤2中，所述预处理包括：

缩小所述图像，并以边长等分的方式将缩小后的图像进行裁剪，获得预处理后的受害图像。

4.根据权利要求2所述的方法，其特征在于，所述步骤3中，所述预测模块的特征图P1、P2的每个单元都与一组默认框相关联；

所述默认框宽高比包含{1，2，1/2}。

5.根据权利要求4所述的方法，其特征在于，用所述基础框与输入的预处理后的受害图像的面积比作为该组默认框的基础比例；

默认框与所述标注框IoU在50％以上，为正默认框；默认框与所述标注框IoU在50％及以下，为负默认框。

6.根据权利要求1所述的方法，其特征在于，所述步骤3中，所述神经网络的目标函数设置为：

其中，N为正负默认框的总数，L_conf为分类损失，L_loc为位置损失，g表示标注框，p表示预测框，参数α设为1；

分类损失为交叉熵损失，定义为：

其中,

c为分类置信度，表示第i个默认框和类别为受害林木的第j个标注框是否相匹配；位置损失为预测框p和标注框之间的Smooth L1损失，定义为：

(c_x,c_y)为默认框d的中点坐标，w和h分别为默认框的宽和高。

7.根据权利要求2所述的方法，其特征在于，所述步骤5进一步包括：所述训练采用动量为0.9的随机梯度下降算法进行优化。

8.一种基于神经网络及无人机航拍图像的油松虫害检测系统，其特征在于，所述系统包括：

预处理模块，用于接收无人机航拍图像，对所述无人机航拍图像进行预处理，获得预处理后的受害图像；

检测模块，用于对所述接收的无人机航拍图像进行检测；所述检测模块包括神经网络，所述神经网络包括基础特征提取器及预测单元；所述基础特征提取器后添加一额外特征提取层，所述额外特征提取层和所述基础特征提取器的最后一层构成所述预测单元；基于所述预测单元生成的特征图P1、P2上的默认框为锚点，预测目标类别和位置。

9.根据权利要求8所述的系统，其特征在于，所述系统还包括：

标注模块，用于接收已有的无人机航拍图像，并进行标注，形成标注图像；所述标注包括包围受害林木边界的矩形的标注框坐标；

神经网络训练模块，用于将已有的受害图像划分为训练集和测试集，以及

基于所述训练集对所述神经网络进行训练，并基于所述测试集对训练后的所述神经网络进行测试。

10.一种基于神经网络及无人机航拍图像的油松虫害检测装置，其特征在于，所述装置包括处理器单元，以及

内存单元，其中存储神经网络计算使用的相关数据，以及可由处理器单元调用并进行运算的计算机指令；

所述计算机指令执行权利要求1-7任一所述的基于神经网络及正射图像的油松虫害检测方法。