Fast R-CNN深度学习和无人机遥感相结合在松材线虫病监测中的初步应用研究

摘要

松材线虫病因其破坏性强、传播速度快和防治难度大等特点,严重威胁着我国的松林资源.及时发现、定位和清理病死松树是控制松材线虫病蔓延的有效手段.本研究利用小型无人机获得松材线虫病疫点的可见光和多光谱的航摄影像.根据松树针叶颜色变化,将松材线虫Bursaphelenchus xylophilus侵染的松树分为病树和枯死树两种类型.将无人机遥感正摄影像图切割成瓦片图,根据不同植被指数的特征差异,筛选出含病树和枯死树的瓦片图.训练Fast R-CNN深度学习框架形成最终模型,通过模型运算获得病枯死松树的分布地图及坐标点位置.研究结果显示Fast R-CNN深度学习和无人机遥感相结合能有效识别出病树和枯死树,正确率分别达到90％和82％,漏检率分别为23％和34％,可为大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑.