[发明专利]一种松材线虫病图像识别检测方法及装置

说明书

本发明属于松材线虫病图像识别检测技术领域，具体涉及一种松材线虫病图像识别检测方法及装置，通过设置采用深度学习的目标检测技术对松材线虫病进行检测，能有效提高受病木的识别效率且具有较高的检测精度；采用图像智能识别定位方法采用统一的判别标准，有效提高了识别结果的覆盖率，泛化能力强。综合上述优点，松材线虫病图像识别检测方法能及时发现染病松树并确定其分布情况，有效监测松材线虫病疫情的发展动态，为松林管理人员和森林防护人员提供及时准确的信息。

技术领域

本发明属于松材线虫病图像识别检测技术领域，具体涉及一种松材线虫病图像识别检测方法及装置。

背景技术

松材线虫病树的识别，受到噪音、光照、季节和很多其他因素的影响，识别方面包括变色树漏判和误判问题。漏判的情况如变色树冠层被遮挡、变色树冠层直径太小、图像拼接不佳导致的部分地区变色树难以判别；误判情况如把别的地物如黄色灌木、裸土、枯死草地或地面已伐未封袋死树判为变色树。这要求识别算法需克服复杂、多场景的干扰，以提高变色木识别精度。目前在变色松树影像提取中仍然停留在目视判读的水平，完全依靠人工目视判读变色松树的工作方案效率低、主观性强。深度学习方法具有自学习功能，能够学习到一些高级抽象的空间特征或光谱特征，其具有更强的“泛化”能力，因此能够提高复杂环境下的松材线虫病图像的识别精度。

发明内容

本发明的目的在于提供一种松材线虫病图像识别检测方法及装置，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：步骤一，松材线虫病数据的采集，无人机配备数码相机的获取实验区域的影像，并将全球导航卫星系统和惯性测量单元模块整合到无人机平台中，根据天气情况、实际地形、植被状况获取影像，检查每幅影像的数据质量，并通过AS-SMOTE Boost算法进行影像进行增强；

步骤二，松材线虫病图像去噪，松材线虫病数据图像拍摄于自然背景下，研究区域是山区茂林区域，去除非松树的自然背景产生干扰，对背景产生的干扰进行双谱灰度图像提取特征权值，并设置为A1、A2、A3、A4、A5、A6、A7、A8，并通过对其特征值进行加权平均An＝(A1+A2+A3+A4+A5+A6+A7+A8)/8并将加权平均数An数值输入到双谱灰度图像进行重组去噪；

步骤三，松材线虫病图像分割，松材线虫病图像分割是将松材线虫病图像细分为特征子区域的过程，通过松材线虫病图像分割中对松材线虫病中的颜色，纹理特征值提取、构建分类器，松材线虫病图像分割包括阈值分割法、边缘检测法、数学形态学法和模糊聚类法，并通过SMOTE算法样本对分割的图像进行合成；

步骤四，松材线虫病图像特征提取，松材线虫病图像特征提取包括松材线虫病图像特征描述和提取，所述特征描述进行松材线虫病图像分割后的图像某种图像属性，所述提取是计算特征的子集，筛选信息给目标空间进行降维，利于目标识别，通过按照特定形态特征提取、颜色特征提取和纹理特征提取属性来提取，并将提取的特征通过Boosting集成学习算法进行对提取特征进行集成；

步骤五，松材线虫病图像的分类与识别，提取的松材线虫病图像特征为基础，建立分类器，进行松材线虫病图像的处理分类，并通过SMART算法进行分析，通过建立分类器进行对形态特征、颜色特征和纹理特征进行特征的区分，通过AS-SMOTE Boost算法对进行对形态特征、颜色特征和纹理特征进行分析后进行松材线虫病的图像识别。

作为一种优选的实施方式，所述步骤三中所述特征包括图像的结构、颜色、文理。