基于无人机遥感影像的松材线虫病病害木检测

摘要：

　　在松材线虫病防治中,快速有效地检测并定位患有松材线虫病的病树及枯死木具有十分重要的意义。研究了根据无人机航摄获取的地面厘米级高分辨率光学影像,利用深度学习 目标检测模型Faster R-CNN和YOLO V4进行松材线虫病枯死木的自动化识别与定位。结果表明,YOLO V4目标检测模型对病树及枯死木的检测精确度可达80％以上；YOLO V4在模型的复杂度、训练时间和整体效率方面要比Faster R-CNN的效果更好,但是在检测细小或相距较近的 目标时效果不如Faster R-CNN模型。综合来说,以YOLO V4模型为代表的深度学习 目标检测算法应用于无人机检测松材线虫病、枯死木检测是切实可行的。

关键词： 松材线虫病 深度学习 Faster R-CNN YOLO V4 无人机影像

作者: 任淑馨 吴一诺 林鑫兰 徐琪

作者单位: 浙江农林大学环境与资源学院,浙江杭州311300

会议类型: 国内会议

会议名称: 第二十二届华东六省一市测绘学会学术交流会

会议地点: 线上

会议语种:中文

页码: 55-57,60

在线出版日期: 2021-08-01（万方平台首次上网日期，不代表论文的发表时间）