[发明专利]一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法

说明书

一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，包括对遥感区域进行路径规划，让无人机按照设定的路径规划飞行拍摄，获取遥感区域的遥感图像；将获得的遥感图像输入到神经网络进行病害判别，判别后返还出检测图像结果，将检测出的疑似患病区域在图像上标注显示，并返还拍摄该遥感图像时的GPS经纬度坐标位置；根据返还的GPS经纬度坐标位置，种植人员实地对疑似患病区域进行重点检测，直至所有疑似区域全部检测完毕；本发明检测效率高，不需要大量的人力劳动，能够对大面积的蕉园进行枯萎病的快速检测，并把异常区域信息返还给种植人员，种植人工再对返还的异常区域进行重点检测，以此做到早发现、早治疗的目的，避免了枯萎病的大面积爆发。

技术领域

本发明涉及一种病害遥感检测方法，具体是一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法。

背景技术

我国是香蕉生产大国，全球产量仅次于巴西，种植分布于广东、广西、海南、福建等南方丘陵地区，是重要的经济作物。而香蕉枯萎病给我国的香蕉产业带来了巨大的经济损失。目前并没有有效的药物可以完全治疗香蕉枯萎病，只能以预防为主，及早发现及早铲除病株，并对土壤进行消毒处理。

目前对于香蕉枯萎病的预防方法，主要是以人工巡查为主，种植农户通过定时巡查蕉园的方法，通过观察香蕉树的表型特征，利用过往种植经验对其是否患病进行判断。在动辄几十亩的香蕉田进行巡查使得人力劳动强大。并且，由于人工巡查的效率低下，使得人工发现香蕉患有枯萎病时，枯萎病已经在蕉园内大面积传播，不能做到病害初期及早发现及早治疗，最后往往只能大面积对蕉树进行砍伐清除，造成重大的经济损失。

发明内容

本发明提供一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，可以有效解决上述背景技术中提出的问题。

本发明所采取的技术方案是：一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，包括以下步骤：

步骤一，训练检测模型：采集大量香蕉枯萎病的遥感图像，形成全卷积神经网络的训练数据集和测试数据集，对全卷积神经网络进行训练；

步骤二，输入遥感图像：拍摄待检测区域的遥感图像，将图像尺寸调整为512×512×3，输入到全卷积神经网络；

步骤三，循环3轮两次卷积+1次最大值池化操作：将512×512×3的图像进行六次卷积+三次最大值池化操作，得到64×64×512大小的图像；

步骤四，循环3轮两次卷积+一次上采样操作：将64×64×512的图像进行六次卷积+三次上采样操作，得到512×512×192大小的图像；

步骤五，特征信号的深度提取：将512×512×192大小的图像进行两次卷积，得到512×512×1的图像；

步骤六，判断图像像素是否患病：使用Softmax分类器对512×512×1的图像进行枯萎病判别，输出判别结果。

作为本发明的进一步优选方案，步骤二中输入的遥感图像为多光谱遥感图像，且遥感图像采用无人机搭载多光谱相机飞行拍摄的方式获得。

作为本发明的进一步优选方案，所述多光谱相机配备490±10nm、615±10nm、808±20nm波段的窄带滤光片。

作为本发明的进一步优选方案，循环3轮两次卷积+1次最大值池化操作，具体步骤包括：

S1：输入512×512×3大小的图像经过两次卷积+一次最大值池化，得到256×256×128大小的图像；

S2：输入256×256×128大小的图像经过两次卷积+一次最大值池化，得到128×128×256大小的图像；

S3：输入128×128×256大小的图像经过两次卷积+一次最大值池化，得到64×64×512大小的图像。

作为本发明的进一步优选方案，放大还原图像尺寸时，循环3轮两次卷积+一次上采样操作，具体步骤包括：