一种松材线虫病树识别方法、系统和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114782844A(43)申请公布日2022.07.22(21)申请号202210486161.0(22)申请日2022.05.06(71)申请人华南农业大学地址510642广东省广州市天河区五山路483号(72)发明人王长委曾宪明薛卫星姚朝龙张瑞陈永翀谭世豪(74)专利代理机构广州粤高专利商标代理有限公司44102专利代理师刘俊(51)Int.Cl.G06V20/17(2022.01)G06V10/764(2022.01)G06V10/26(2022.01)G06K9/62(2022.01)权利要求书2页说明书8页附图3页(54)发明名称一种松材线虫病树识别方法、系统和存储介质(57)摘要本发明涉及植物检测技术领域，公开了一种松材线虫病树识别方法、系统和存储介质，通过识别图像中的疑似松材线虫病树和地物种类，将对与松材线虫无法传播的地物重合的疑似松材线虫病树进行反向掩膜，可以确定位于与松材线虫无法传播的地物重合的疑似松材线虫病树事实上并不是疑似松材线虫病树，降低其他地物被误预测为疑似松材线虫病树的概率，提高松材线虫病树的识别精度。CN114782844ACN114782844A权利要求书1/2页1.一种松材线虫病树识别方法，其特征在于，包括以下步骤：S1：获取待识别图像；S2：将待识别图像输入至松材线虫病树初步识别模型，输出疑似松材线虫病树的分布图；S3：将待识别图像输入至地物分类模型，输出地物分布图；S4：将疑似松材线虫病树的分布图和地物分布图叠加，对与松材线虫无法传播的地物重合的疑似松材线虫病树进行反向掩膜，获得松材线虫病树的空间分布图。2.根据权利要求1所述的松材线虫病树识别方法，其特征在于，还包括：S0：获取目标区域的遥感图像，将遥感图像裁剪为多个大小相同的待识别图像；S5：重复步骤S1‑S4，将所有待识别图像对应的松材线虫病树的空间分布图进行拼接，获得目标区域的松材线虫病树的空间分布图。3.根据权利要求1所述的松材线虫病树识别方法，其特征在于，松材线虫病树初步识别模型通过如下方式确定：构建松材线虫病树初步识别模型；获取数据集A，数据集A包括目标区域内地物的典型图片和目标区域内疑似松材线虫病树的典型图片，目标区域内地物的典型图片的数量和目标区域内疑似松材线虫病树的典型图片的数量相等；通过数据集A对松材线虫病树初步识别模型进行训练，获得训练好的松材线虫病树初步识别模型。4.根据权利要求3所述的松材线虫病树识别方法，其特征在于，数据集A通过如下方式获取：获取目标区域内地物的典型图片和目标区域内疑似松材线虫病树的典型图片，其中，目标区域内地物的典型图片的数量大于目标区域内疑似松材线虫病树的典型图片的数量；对目标区域内疑似松材线虫病树的典型图片进行随机上下翻转、随机左右翻转或随机亮度变化，使目标区域内地物的典型图片的数量和目标区域内疑似松材线虫病树的典型图片的数量相等。5.根据权利要求2所述的松材线虫病树识别方法，其特征在于，地物分类模型通过如下方式确定：构建地物分类模型；获取数据集B，数据集B包括目标区域内松材线虫无法传播的地物的典型图片和目标区域内松材线虫可传播的地物的典型图片，目标区域内松材线虫无法传播的地物的典型图片的数量和目标区域内松材线虫可传播的地物的典型图片的数量相等；通过数据集B对地物分类模型进行训练，获得训练好的地物分类模型。6.根据权利要求1所述的松材线虫病树识别方法，其特征在于，松材线虫病树初步识别模型为以ResNet为基础网络的Deeplab_v3+语义分割模型。7.根据权利要求1所述的松材线虫病树识别方法，其特征在于，地物分类模型为以ResNet网络构建的图像分类模型。8.一种松材线虫病树识别系统，其特征在于，包括：获取模块，用于获取待识别图像；2CN114782844A权利要求书2/2页第一识别模块，用于将待识别图像输入至松材线虫病树初步识别模型，输出疑似松材线虫病树的分布图；第二识别模块，用于将待识别图像输入至地物分类模型，输出地物分布图；融合模块，用于将疑似松材线虫病树的分布图和地物分布图叠加，对与松材线虫无法传播的地物重合的疑似松材线虫病树进行反向掩膜，获得松材线虫病树的空间分布图。9.根据权利要求8所述的松材线虫病树识别系统，其特征在于，还包括：裁剪模块，用于获取目标区域的遥感图像，将遥感图像裁剪为多个大小相同的待识别图像；拼接模块，用于获取所有待识别图像对应的松材线虫病树的空间分布图，将所有待识别图像对应的松材线虫病树的空间分布图进行拼接，获得目标区域的松材线虫病树的空间分布图。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述的计算机程序被处理器执行时，实现权利要求1至7任一项所述的松材线虫病树识别方法。