编号 zgly0001727079

文献类型 期刊论文

文献题名 基于深度学习的小目标受灾树木检测方法

作者 周焱  刘文萍  骆有庆  宗世祥 

作者单位 北京林业大学信息学院  北京林业大学林学院 

母体文献 林业科学 

年卷期 2021,57(3)

页码 98-107

年份 2021 

分类号 TP391.41 

关键词 无人机图像  森林病虫害  深度学习  目标检测 

文摘内容 【目的】针对无人机森林图像中树木尺度小、生长密集以及分布不规律等问题,提出一种基于深度学习的小目标受灾树木检测方法,以准确识别和定位高分辨率无人机森林图像中的小尺度受灾树木?！痉椒ā恳粤赡×柙聪厥芎熘笮◇记趾Φ挠退闪治奕嘶枷裎菰?利用LabelImg开源软件标注拍摄高度为180~240 m的图像,构建无人机森林图像数据集。设计小目标受灾树木检测框架,该框架在轻量级目标检测框架(SSD)基础上,首先从conv3_3开始构建预测模块,并根据图像中目标树木的尺寸删减预测?？?同时优化特征图上默认框生成方式;然后,通过特征增强?？榻√卣魍甲銮刻卣魍?生成基础和增强预测模块;最后,利用基于默认框的双层损失函数训练检测模型以促进特征学习?！窘峁炕谏疃妊暗男∧勘晔茉质髂炯觳夥椒墒迪治奕嘶殖婧υ冻碳嗖?较准确检测无人机图像中细小密集的受灾树木。采用5组不同结构的SITD模型以及SSD、FSSD和RFBNet目标检测框架对无人机森林图像数据集进行训练和测试,以平均查准率(AP)和Precision-Recall曲线作为评价指标,试验选出最优SITD模型在测试集上的AP为92.62%,相比原始SSD300框架提升69.71%,且优于其他3种目标检测框架?！窘崧邸炕谏疃妊暗男∧勘晔茉质髂炯觳夥椒墒迪侄陨种惺茉质髂镜淖远觳?能够简化林业有害生物监测流程,提升对森林虫害的预警能力。