[发明专利]一种复杂林地高检测率的无人机遥感图像林木单株检测方法

说明书

本发明涉及一种复杂林地高检测率的无人机遥感图像林木单株检测方法，与现有技术相比解决了难以实现坡度大及冠层遮挡条件下单株检测的缺陷。本发明包括以下步骤：数据采集与预处理；轻量级林木单株检测模型的构建；轻量级林木单株检测模型的训练；待检测无人机遥感图像的获取；无人机遥感图像林木单株检测结果的获得。本发明实现了当山区存在坡度大、树冠大小差异大、冠层图像遮挡等复杂环境下，对单株树木检测的准确提取。

技术领域

本发明涉及无人机遥感图像处理技术领域，具体来说是一种复杂林地高检测率的无人机遥感图像林木单株检测方法。

背景技术

受森林虫害影响，我国林业发展遭受巨大障碍，森林病虫害种类很多，其主要危害部位也不相同，虽然其危害方式不尽相同，但最终都会导致林木的生长受到影响，使林木的外貌及树冠发生变化。随着无人机航拍技术，人工智能、大数据等方面的技术发展，采用无人机遥感进行山区林地中可疑病树的巡检监测，可大幅度提高检测效率。利用无人机结合自动AI检测识别，是目前有别于传统林业巡检的先进技术手段。

林木巡检过程中，首先需要获得单株准确定位和识别，才能获得更精确的检测结果。然而在复杂山区中混交林地环境下，由于地形坡度大、森林树木种类繁多、分布状态集中、树冠大小差异等问题，导致树木冠层堆叠分布复杂，航空遥感手段获得的树木冠层图像存在遮挡，带来单株检测的漏检率大幅提升。

为了解决坡度大及冠层遮挡带来的漏检问题，提高检测准确率和大面积遥感影像检测速度，需要设计一种目标自动检测模型来降低由于地形和自然生态生长所带来的单株漏检问题，从而为后期的病虫害识别精度和效率的提升打下基础。

发明内容

本发明的目的是为了解决现有技术中难以实现坡度大及冠层遮挡条件下单株检测的缺陷，提供一种复杂林地高检测率的无人机遥感图像林木单株检测方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种复杂林地高检测率的无人机遥感图像林木单株检测方法，包括以下步骤：

数据采集与预处理：利用无人机搭载可见光相机，采集复杂林地的森林遥感图像，森林遥感图像包括目标地区可见图像和高程信息，通过专业软件拼合生成目标区域的DEM、DSM和正射影像并进行数据预处理；

轻量级林木单株检测模型的构建：轻量级林木单株检测模型包括正射影像重建模块和SC-RetinaNet网络，SC-RetinaNe网络引入了shffleNetv2模块和C3-CBAM模块对RetinaNet网络进行了改进；

轻量级林木单株检测模型的训练：将预处理后的数据输入轻量级林木单株检测模型进行训练；

待检测无人机遥感图像的获取：获取待检测无人机遥感图像，并对其进行预处理；

无人机遥感图像林木单株检测结果的获得：将预处理后的无人机遥感图像输入训练后的轻量级林木单株检测模型，获得无人机遥感图像林木单株检测结果。

所述数据采集与预处理包括以下步骤：

使用无人机搭载相机采集目标地区可见图像和高程信息，拼合生成目标地区DEM、DSM和正射影像；

对拼合生成的DEM、DSM数据做图像叠加，得到归一化数字表面模型数据NDSM，归一化数字表面模型数据计算如下所示：

NDSM＝DSM-DEM；

对DEM数据做地形处理，根据坡度计算公式生成坡度数据，坡度计算公式如下：

[dz/dx]＝((c+2f+i)-(a+2d+g)/(8*x_cellsize))

[dz/dy]＝((g+2h+i)-(a+2d+c)/(8*y_cellsize))