[发明专利]一种对速生林中多种不同植株生长态势精准判断的方法

说明书

本发明公开了一种对速生林中多种不同植株生长态势精准判断的方法，包括：步骤S1、首先划定速生林区域，无人机对速生林进行垂直俯拍；步骤S2、对植株与其他物体进行前景背景分离；步骤S3、使用多任务学习的方法对树木的种类进行判别；步骤S4、通过树冠面积和树叶整体颜色对植株的长势进行判断，识别出发育不良的植株；步骤S5、对检测出的发育不良植株的位置进行定位输出；将发育不良的树种信息发送给速生林工作人员，为制定培育方案提供依据。本发明提出的判别植株发育情况的方法兼具准确率和时效性，并且能降低实施方案对硬件设备的要求，从而降低成本提高经济效益。

技术领域

本发明涉及计算机视觉和深度学习领域，具体涉及一种对速生林中多种不同植株生长态势精准判断的方法。

技术背景

利用无人机对速生林的长势监测有着重要意义，速生林的面积普遍较大，且南方丘陵地带较多，地势起伏等因素会加大人工监测植株的成本且在极端条件下会对人身的财产安全造成威胁，使用无人机对速生林长势判断能够大大降低人工成本。其次，由于无人机存在坠毁的风险，所以无人机本身也存在成本问题，相较于动辄数万的高光谱相机，搭载RGB相机会大大降低无人机坠毁造成的损失，但是要想通过RGB相机拍摄的图像对速生林长势进行精确判断需要复杂的算法和大量的计算过程，因此本发明针对此问题设计出一种高效的速生林植株长势精准判断方法。

发明内容

发明目的：对特定的速生林场景，对林中的每棵植株进行有效的长势判断，为速生林的管理人员提供准确的植株生长信息，为管理人员对树木的进一步的培育方案提供精确的指导和建议，以搭载RGB摄像机的无人机为平台，基于机器视觉与深度学习，对南方速生林中杨树、槐树、桉树等多种树木的长势进行精准判断的方法，针对南方速生林中面积大且树种繁多等特点，基于Mask R-CNN、YOLOv5等网络模型设计了一种对速生林中不同植株生长情况判别的方法，所述方法包括：首先划定速生林区域，无人机对速生林进行垂直俯拍；第二步对植株与其他物体进行前景背景分离；第三步使用多任务学习的方法对树木的种类进行判别；第四步通过树冠面积和树叶整体颜色对植株的长势进行判断，识别出发育不良的植株；最后对检测出的发育不良植株的位置进行定位输出，将发育不良的树种信息发送给速生林工作人员，为制定培育方案提供依据；判别植株发育情况的方法兼具准确率和时效性，并且能降低实施方案对硬件设备的要求，从而降低成本提高经济效益。

技术方案：一种对速生林中多种不同植株生长态势精准判断的方法，包括如下步骤：

步骤S1：划定目标速生林所在区域，用搭载RGB摄像机的多旋翼无人机对目标速生林进行拍摄，并对拍摄后的图像进行预处理；

步骤S2：识别树冠，对树木与其他物体进行前景背景分离，非树木的部分剔除从而节约计算资源；

步骤S3：对于判别为树木的部分，识别树叶的整体的颜色，与树冠组成多任务学习方法经准确识别树木种类；

步骤S4：通过树冠面积、树叶颜色与建立好的树木生长模型进行对比，判断所拍摄的树木生长态势；

步骤S5：对检测出的发育不良树木进行树木类别与定位的输出。

进一步的，步骤S1中的预处理包括了图像的降噪和图像降维；

降噪：为了保证植株识别的准确性与高校性，对拍摄的速生林图像进行去噪处理，在尽量保留所拍树木图像原有信息的情况下，过滤掉图像中矮小的灌木一系列噪声；去噪处理会对图像中与周围像素点差异较大的像素点进行处理，将其值调整为周围像素点像素值的近似值；使用三维块匹配滤波算法进行去噪处理，使得处理后的树木图像更平滑；

降维：当拍摄的图像空间尺度增加时，所包含的信息量会增多，在后期处理时的计算量也随之增加，故采用PCA对图像进行降维，降低图像计算量的同时保持图像中树木原本的信息；通过线性投影，将树木的原始特征往具有最大投影信息量的维度上进行投影，使得降维后的树木特征信息量损失最小。