| 基于U-Net网络和无人机影像的松材线虫病变色木识别 |
| |
| 引用本文： | 张瑞瑞, 夏浪, 陈立平, 谢春春, 陈梅香, 王维佳. 基于U-Net网络和无人机影像的松材线虫病变色木识别[J]. 农业工程学报, 2020, 36(12): 61-68. DOI: 10.11975/j.issn.1002-6819.2020.12.008 |
| |
| 作者姓名： | 张瑞瑞 夏浪 陈立平 谢春春 陈梅香 王维佳 |
| |
| 作者单位： | 1.北京农业智能装备技术研究中心,北京 100097;2.国家农业智能装备工程技术研究中心,北京 100097;3.国家农业航空应用技术国际联合研究中心,北京 100097;4.农业智能装备技术北京市重点实验室,北京 100097;5.山东瑞达有害生物防控有限公司,济南250000 |
| |
| 基金项目： | 北京市科技新星计划项目（Z181100006218029）;北京市农林科学院2020创新能力建设--新学科培育项目（KJCX20200108）;国家重点研发计划课题（2018YFD0600202） |
| |
| 摘 要： | 松材线虫病是由松墨天牛等媒介昆虫快速传播的一种针对松树的毁灭性流行病。及时对染病变色木进行识别、定位,并砍伐清除是当前控制该病扩散蔓延的主要手段。该研究使用无人机航拍获取大区域染病松林可见光影像,结合深度学习分割网络U-Net开展染病松材变色木图像分割研究。使用制作的样本数据训练U-Net网络,得到训练精度和验证精度分别为98.74%和97.76%。使用混淆矩阵评估U-Net网络分割精度,表明变色木图像分割的用户精度和生产者精度分别达到93.51%和97.30%,误报率6.49%,漏报率2.70%。总体上,U-Net网络变色木识别精度95.17%,Kappa系数0.90,达到较高精度。U-Net分割网络运用于松材线虫病变色木图像识别较随机森林方法能更有效地降低误报,减少分割噪音。
|
| 关 键 词： | 无人机 图像处理 病害 松材线虫 变色木 图像分割 |
| 收稿时间： | 2020-02-28 |
| 修稿时间： | 2020-04-13 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
