树种分析方法、装置、存储介质及计算机设备与流程

本申请涉及计算机，尤其涉及一种树种分析方法、装置、存储介质及计算机设备。

背景技术：

1、在现代社会中，电力供应是社会运行的重要基础设施之一，而输电线路的稳定运行对于保障电力供应至关重要。然而，在实际运行中，输电线路往往会受到树木的影响，这些树木可能会成为潜在的树障，对输电线路造成安全隐患和运行故障的风险。通过识别和评估周围树木的种类和生长状态，可以有效预测和防止潜在的树障问题发生。例如，某些树种的生长速度较快，枝叶茂密，对输电线路的影响可能更为显著。

2、现有的树种分析技术已初步实现“机巡+人巡”的巡线模式，无人机结合激光雷达在输电线路巡视工作中的推广应用，大大提高了输电线路通道巡视效率。但激光雷达造价较高及大体积大重量的情况限制了它大面积的推广应用的可能。

技术实现思路

1、本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中激光雷达造价较高及大体积大重量的情况限制了它大面积的推广应用的可能的技术缺陷。

2、第一方面，本申请提供了一种树种分析方法，该方法包括：

3、获取输电线路及其周边对象的初始多光谱图像和初始点云数据，周边对象包括多种树木；

4、根据预设分类特征，对初始多光谱图像和初始点云数据进行分类识别，得到树木多光谱图像和树木点云数据；

5、从树木多光谱图像中确定每种树木的二维冠层形态结构信息，以及从树木点云数据中确定每种树木的二维冠层形态结构的高度信息，以构建每种树木的树木三维冠层结构信息；

6、将包含每种树木的树木三维冠层结构信息的多光谱图像输入至预先训练的树种识别模型中，得到每种树木对应的树种识别结果。

7、在其中一个实施例中，根据预设分类特征，对初始多光谱图像和初始点云数据进行分类识别，得到树木多光谱图像和树木点云数据的步骤，包括：

8、根据分类特征，采用网格法和水平截面法，在初始多光谱图像和初始点云数据中进行单木分类识别，得到树木多光谱图像和树木点云数据，分类特征包括光谱特征、地形因子、植被指数、纹理特征和形态结构。

9、在其中一个实施例中，从树木多光谱图像中确定每种树木的二维冠层形态结构信息的过程，包括：

10、对于树木多光谱图像，基于谱残余方法计算多光谱图像中每个像素点的显著性值，根据各个显著性值，利用选择性视觉注意机制，将多光谱图像分割得到二维冠层的显著性区域，以得到每种树木的二维冠层形态结构信息。

11、在其中一个实施例中，从树木点云数据中确定每种树木的二维冠层形态结构的高度信息的过程，包括：

12、在树木点云数据中选取多个多视立体影像对，基于surf算法提取每个多视立体影像对具有尺度不变性和旋转不变性的空间极值点，基于各个空间极值点的相似性匹配后得到多个初始匹配点集，基于结构信息一致性检验机制对每个初始匹配点集的可靠性进行评估，得到多个同名特征点集，结合光束网严密解法和数字地表高程模型数据，构建多个树冠高度模型，形成每种树木的二维冠层形态结构的高度信息。

13、在其中一个实施例中，构建每种树木的树木三维冠层结构信息的过程，包括：

14、对于每种树木，将该树木对应的树木二维冠层形态结构信息和对应的树木二维冠层形态结构的高度信息进行叠置，得到三维冠层的初始轮廓，分别构造其内部、外部以及曲线的全局能量函数，计算主动轮廓模型的特征值，迭代运算使能量函数最优，以实现对林区三维冠层轮廓线的动态优化，并结合林区不同树种的冠层因子，基于形态学技术建模，得到该树木的树木三维冠层结构信息。

15、在其中一个实施例中，树种识别模型的训练样本获取过程，包括：

16、对原始图像中的区域进行聚类，并根据聚类结果确定原始图像中的植被区域和非植被区域；

17、在植被区域中采集多个正训练样本，以及在非植被区域中采集多个负训练样本；

18、获取每个正训练样本的树种标签，以及通过噪声扰动和几何变换，对各个正训练样本和各个负训练样本进行增强。

19、在其中一个实施例中，树种识别模型采用通道注意力模块和空间注意力模块进行优化，其中，通道注意力模块用于提取不同树种的敏感特征，以实现植被敏感特征自适应学习，空间注意力模块用于构建多尺度上下文级联模块。

20、第二方面，本申请提供了一种树种分析装置，该装置包括：

21、初始数据获取模块，用于获取输电线路及其周边对象的初始多光谱图像和初始点云数据，周边对象包括多种树木；

22、树木数据确定模块，用于根据预设分类特征，对初始多光谱图像和初始点云数据进行分类识别，得到树木多光谱图像和树木点云数据；

23、三维冠层结构信息构建模块，用于从树木多光谱图像中确定每种树木的二维冠层形态结构信息，以及从树木点云数据中确定每种树木的二维冠层形态结构的高度信息，以构建每种树木的树木三维冠层结构信息；

24、树种识别结果获取模块，用于将包含每种树木的树木三维冠层结构信息的多光谱图像输入至预先训练的树种识别模型中，得到每种树木对应的树种识别结果。

25、第三方面，本申请提供了一种存储介质，该存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述任一项实施例中树种分析方法的步骤。

26、第四方面，本申请提供了一种计算机设备，包括：一个或多个处理器，以及存储器；

27、存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行如上述任一项实施例中树种分析方法的步骤。

28、从以上技术方案可以看出，本申请实施例具有以下优点：

29、在本申请提供的树种分析方法、装置、存储介质及计算机设备中，相比于传统的激光雷达技术，使用多光谱图像和点云数据的方法可以降低成本。多光谱图像可以通过常规的无人机或者地面相机获取，成本较低且易于操作。多光谱图像和点云数据相对于激光雷达来说，更轻便且易于携带，不需要复杂的设备和大量的人力支持。多光谱图像能够提供丰富的光谱信息，有助于准确地提取树木的表观特征，点云数据则提供了树木的高度信息和更详细的三维结构。将多光谱图像中包含的树木三维冠层结构信息输入到预训练的树种识别模型中，可以提高树种识别的准确性。这种方法不仅适用于输电线路巡视，还可以应用于其他需要对植被进行监测和管理的领域。由于技术设备的相对便携性和成本优势，这种方法在大面积应用上具有较大的潜力和可行性。

技术特征：

1.一种树种分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的树种分析方法，其特征在于，所述根据预设分类特征，对所述初始多光谱图像和所述初始点云数据进行分类识别，得到树木多光谱图像和树木点云数据的步骤，包括：

3.根据权利要求1所述的树种分析方法，其特征在于，所述从所述树木多光谱图像中确定每种树木的二维冠层形态结构信息的过程，包括：

4.根据权利要求1所述的树种分析方法，其特征在于，所述从所述树木点云数据中确定每种所述树木的二维冠层形态结构的高度信息的过程，包括：

5.根据权利要求1所述的树种分析方法，其特征在于，所述构建每种树木的树木三维冠层结构信息的过程，包括：

6.根据权利要求1所述的树种分析方法，其特征在于，所述树种识别模型的训练样本获取过程，包括：

7.根据权利要求1至6任一项所述的树种分析方法，其特征在于，所述树种识别模型采用通道注意力模块和空间注意力模块进行优化，其中，所述通道注意力模块用于提取不同树种的敏感特征，以实现植被敏感特征自适应学习，所述空间注意力模块用于构建多尺度上下文级联模块。

8.一种树种分析装置，其特征在于，所述装置包括：

9.一种存储介质，其特征在于：所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项所述树种分析方法的步骤。

10.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；

技术总结在本申请提供的树种分析方法、装置、存储介质及计算机设备中，获取输电线路及其周边对象的初始多光谱图像和初始点云数据，周边对象包括多种树木；根据预设分类特征，对初始多光谱图像和初始点云数据进行分类识别，得到树木多光谱图像和树木点云数据；从树木多光谱图像中确定每种树木的二维冠层形态结构信息，以及从树木点云数据中确定每种树木的二维冠层形态结构的高度信息，以构建每种树木的树木三维冠层结构信息；将包含每种树木的树木三维冠层结构信息的多光谱图像输入至预先训练的树种识别模型中，得到每种树木对应的树种识别结果。多光谱图像和点云数据相对于激光雷达来说，更成本低且便携，在大面积应用上具有较大的潜力和可行性。技术研发人员：夏云峰,杨杰,梁其帅,劳全,陶晰,赖叶茗受保护的技术使用者：海南电网有限责任公司输电运检分公司技术研发日：技术公布日：2024/11/4