[发明专利]一种基于无人机遥感的大面积油茶林快速估产方法

权利要求书

1.一种基于无人机遥感的大面积油茶林快速估产方法，其特征在于，所述基于无人机遥感的大面积油茶林快速估产方法包括：

步骤一，油茶林选择：确定调查范围、数据采集周期和采集目标树；

步骤二，油茶数据采集：进行UAV数据采集以及实测数据采集；

步骤三，油茶林冠幅提取：利用基于均值漂移算法的多尺度分割方法对无人机航拍DOM图进行分割，通过色彩尺度(hs)、空间尺度(hr)和最小面积尺度(M)三个物理参数，确定最佳的分割尺度和样本阈值，提取试验区油茶林的冠幅和冠中心点位置；

步骤四，典型油茶抽样：基于冠幅分布图，结合空间分布信息，完成试验区典型油茶树的抽样；

步骤五，油茶树低空航拍：基于DSM图，结合航线规划功能生成UAV变高航线；

步骤六，油茶果智能检测：进行数据集构建、训练模型构建以及油茶冠层果识别；具体包括：

(1)数据集构建：根据照片清晰度对油茶果照片进行筛选，剔除不清晰或光线过暗的照片；利用标注工具对航拍照片中的目标数据进行边框标注；利用图像旋转、图像移动、对比度变换等方法对已标注油茶果照片进行扩增；按一定比例将已扩增的数据分为两份：训练数据集和验证数据集；

(2)训练模型构建：首先输入训练数据集，通过主干网络提取主干特征图；然后结合区域生成网络RPN提取潜在的目标区域ROI；其次利用ROIAlign层将ROI映射成固定维数的特征向量，其中两分支经过全连接层进行分类和目标框回归，另一分支经过全卷积运算得到分割区域的二值掩码；最后采用多任务损失函数，通过学习减小损失函数的值，获得全局最优模型；输入验证数据集，测试训练模型的泛化能力；所述主干网络为ResNet和FPN；

(3)油茶果识别：基于已构建的网络模型，结合UAV近景照片对油茶林果进行智能识别，输出典型油茶树冠层识别的果数即冠层果数；

步骤七，油茶林快速估产：基于研究区油茶树实测和识别数据，随机抽取三分之二数据构建冠层果数与总体果重之间的预测模型。

2.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤一中，所述油茶林选择，包括：

选定研究区，基于Google earth确定可调查范围、数据采集周期和采集目标树，同时对目标树种进行标号。

3.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤二中，所述油茶数据采集包括：

(1)UAV数据采集：无人机起飞前应进行硬件、软件和无人机GPS信号检查；利用UAV对试验区油茶林进行正射航拍，采用Agisoft Mateshape软件生成DOM图和DSM图；

(2)实测数据采集：结合实际情况，对试验区典型油茶进行人工采摘，同时对采摘的油茶果进行计数和称重，获取典型油茶树的重要产量参数。

4.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤四中，所述典型油茶抽样，包括：

基于冠幅分布图，统计试验区单株油茶树的株数信息和空间分布；采用随机抽样方法，选取整个试验区10％的单株油茶作为典型样本；

步骤五中，所述油茶树低空航拍，包括：

基于DSM图，结合航线规划功能生成UAV变高航线，通过设置合理的航拍参数对试验区典型油茶树进行超低空近景拍摄。

5.如权利要求1所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，步骤七中，所述油茶林快速估产，包括：

基于研究区油茶树实测和识别数据，随机抽取三分之二数据构建冠层果数与总体果重间的预测模型；采用预留的三分之一数据进行精度验证：

(1)分别计算预测模型的决定系数R²和均方根误差RMSE，检验模型预测值和实测值是否存在较好的线性拟合关系；

(2)计算残差分析其值是否落在残差置信带内。

6.如权利要求5所述的基于无人机遥感的大面积油茶林快速估产方法，其特征在于，所述研究区油茶树实测和识别数据包括：

油茶树编号、油茶树高、冠幅面积、冠层果数、总体果数和总体果重。