基于无人机多光谱影像的松材线虫病疫区枯死树识别

为探寻最优波段组合，提高多光谱无人机（Unnamed Aerial Vehicle,UAV）对松材线虫（Bursaphelenchus xylophilus）病疫区枯死树的自动识别准确率，进而提高松材线虫病疫情监测水平，以柳州市三江侗族自治县、河池市宜州区和大化瑶族自治县、南宁市横州市及桂林市平乐县的42个疫点小班及其周边2 km内的所有松树林图斑为研究区，采用无人机采集多光谱影像，获取可见光、红光波段、绿光波段、近红外波段和红边波段影像；完成辐射校正后进行正射拼接和植被指数计算，得到3组可见光和多光谱正射影像波段组合；将各组影像分别输入卷积神经网络（Convolutional Neural Network,CNN），进行相同参数的学习和预测。将模型预测结果与人工标注结果进行对比，以识别准确率为指标，进行精度评价。结果表明，利用多光谱影像自动识别疑似松材线虫病枯死树的最高识别准确率为86.33%，比单一可见光自动识别准确率（81.25%）提高了5.08个百分点。在相同参数条件下，多光谱影像比单一可见光影像具有更准确的自动识别能力。该方法的多光谱最优波段组合为可见光影像+红光波段影像+绿...