基于无人机深度学习的智能松材线虫识别系统的制作方法

本发明涉及林业病虫害监测，尤其涉及一种基于无人机深度学习的智能松材线虫识别系统。

背景技术：

1、松材线虫病，作为一种极具破坏性的松树病害，被誉为“松树癌症”，其传播速度快、致死率高，对全球松林生态系统构成了严重威胁。这种病害由松材线虫引起，并通过昆虫传播，如天牛，能在短时间内导致松树枯萎死亡，进而引起大面积毁林。传统监测手段主要依赖于人工现场巡查，但受限于多种因素，如地形复杂、人力不足，存在监测盲区多、效率低、成本高的问题，难以满足大规模松林病虫害防控的需求。

2、近年来，无人机技术和深度学习算法的快速发展为松材线虫病的智能监测提供了新的解决思路。无人机具有高机动性、大范围覆盖能力，能够迅速获取松林区域的影像数据，为病虫害监测提供了丰富的数据源。然而，将无人机影像数据直接应用于松材线虫病的识别仍面临诸多挑战。首先，松材线虫病在不同阶段的症状表现差异大，从早期感染到松材枯萎，其图像特征复杂多变，增加了识别的难度。其次，无人机影像数据受拍摄环境条件影响，如光照、天气，容易产生噪声和阴影，进一步影响识别精度。

3、此外，松林区域环境复杂，背景信息丰富，如何在复杂背景下准确提取松材线虫病特征，是另一个亟待解决的问题。这些挑战要求开发一种新的智能识别系统，能够克服现有技术的局限性，提高松材线虫病识别的准确性和效率。

技术实现思路

1、基于此，本发明有必要提供一种基于无人机深度学习的智能松材线虫识别系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种基于无人机深度学习的智能松材线虫识别系统，包括以下模块：

3、图像采集模块，用于通过无人机对目标松林区域进行全域航拍，得到待检测松林图像集；对待检测松林图像集进行图像自适应校正，得到优化待检测松林图像集；

4、媒介昆虫分布建模模块，用于对目标松林区域进行松材线虫媒介昆虫种类检测，得到媒介昆虫种类分布数据；根据媒介昆虫种类分布数据对目标松林区域进行媒介昆虫时空分布建模，得到媒介昆虫空间分布数据；

5、松材症状分类模块，用于获取多时相松材线虫病历史图像集；基于多时相松材线虫病历史图像集进行松材症状发展期深度学习与阶段分类，得到松材症状阶段标签集；根据松材症状阶段标签集对多时相松材线虫病历史图像集进行分层聚类，得到多个阶段松材线虫病历史图像集；

6、特征识别与建模模块，用于基于松材症状阶段标签集与多个阶段松材线虫病历史图像集对松树进行线虫入侵模式与外部形态变化关联性分析，得到线虫入侵-形态变化规律集；基于松材症状阶段标签集与多个阶段松材线虫病历史图像集根据线虫入侵-形态变化规律集进行关键特征属性识别，得到松材线虫识别关键特征集；基于松材症状阶段标签集、多个阶段松材线虫病历史图像集与松材线虫识别关键特征集进行松材线虫智能识别模型构建，得到松材线虫智能识别模型；

7、感染状况识别与统计模块，用于根据优化待检测松林图像集与媒介昆虫空间分布数据通过利用松材线虫智能识别模型对目标松林区域进行全域松材线虫感染状况识别与统计，得到松材线虫病感染风险分布地图。

8、本发明通过无人机全域航拍显著提高了对松林区域的监测效率和覆盖范围，减少了人力物力的投入，同时避免了因地形限制而产生的监测盲区。通过利用深度学习算法对采集到的图像进行自适应校正和优化处理，有效减少了环境因素（如光照、天气）对图像识别精度的影响，提高了图像质量，从而更准确地识别松材线虫病的症状。通过松材症状分类模块，对历史图像集进行深度学习和阶段分类，能够识别松材线虫病在不同发展阶段的特征，实现对病害早期阶段的快速发现。通过媒介昆虫分布建模和松材症状阶段标签集，能够对松林区域进行时空分布建模，科学评估媒介昆虫和病害的空间分布情况，有助于更准确地预测病害发展趋势。特征识别与建模模块通过结合松材症状阶段标签集和历史图像集，构建智能识别模型，能够实现对松材线虫的快速识别和实时监测，提高了识别速度和准确性，有助于实现对病害的动态管理。感染状况识别与统计模块能够根据实时数据生成松材线虫病感染风险分布地图，这有助于林业管理者对防控资源进行优化配置，针对性地加强病害高发区域的管理，提高资源使用的效率和效果。通过系统的风险评估和模拟数据，可以更准确地了解病害的分布和传播情况。

技术特征：

1.一种基于无人机深度学习的智能松材线虫识别系统，其特征在于，包括以下模块：

2.根据权利要求1所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，图像采集模块执行如下步骤：

3.根据权利要求2所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，s17包括：

4.根据权利要求1所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，媒介昆虫分布建模模块执行如下步骤：

5.根据权利要求4所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，s27包括：

6.根据权利要求1所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，松材症状分类模块执行如下步骤：

7.根据权利要求6所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，s34包括：

8.根据权利要求1所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，特征识别与建模模块执行如下步骤：

9.根据权利要求8所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，s48包括：

10.根据权利要求1所述的基于无人机深度学习的智能松材线虫识别系统，其特征在于，感染状况识别与统计模块执行如下步骤：

技术总结本发明涉及林业病虫害监测技术领域，尤其涉及一种基于无人机深度学习的智能松材线虫识别系统。所述方法包括以下模块：图像采集模块，用于通过无人机对目标松林区域进行全域航拍，得到待检测松林图像集；对待检测松林图像集进行图像自适应校正，得到优化待检测松林图像集；媒介昆虫分布建模模块，用于对目标松林区域进行松材线虫媒介昆虫种类检测，得到媒介昆虫种类分布数据；根据媒介昆虫种类分布数据对目标松林区域进行媒介昆虫时空分布建模，得到媒介昆虫空间分布数据；松材症状分类模块，用于获取多时相松材线虫病历史图像集。本发明能够实现对松材线虫的快速识别和实时监测，提高了识别速度和准确性。技术研发人员：丁珌,陈伟,林昭宇,刘春盛,邱细妹,张炘亮,林庆宇,陈玲芳,郑泽禹受保护的技术使用者：福州绿萌信息科技有限公司技术研发日：技术公布日：2024/9/26