林區(qū)航拍圖像的蟲害區(qū)域不規(guī)則,實現快速、高精度的分割存在挑戰(zhàn)。針對這一問題,本文首先構建了蟲害區(qū)域分割數據集,研究了適用于地面端的高精度蟲害圖像分割算法;然后提出了適用于無人機端的蟲害區(qū)域實時分割算法,該算法精度損失小、運行速度快;最后,本文搭建了蟲害區(qū)域分割的運行平臺,實現了算法的實用化。具體工作內容如下:1.建立了無人機航拍圖像蟲害區(qū)域分割的數據集。本文搭建了基于八旋翼無人機的蟲害圖像采集平臺;采集了 167張森林蟲害圖像,無重疊裁剪得到800張1000×1000像素的圖像;并對所有圖像進行了像素級標注,為分割算法的研究提供了可靠的數據支持。2.提出了一種基于全卷積網絡的高精度蟲害區(qū)域分割算法。針對航拍林區(qū)蟲害圖像的蟲害區(qū)域不規(guī)則和分水嶺等識別方法泛化能力差的問題,通過遷移學習提升了模型泛化能力、借助跳躍結構提升了模型精度,并提出了五種全卷積網絡。試驗表明,針對林業(yè)蟲害圖像,FCN-2s識別精度最高,其識別結果的像素準確率為97.86%,平均交并比為79.49%,單幅分割時間為4.31s。該方法與K-means、脈沖耦合神經網絡和復合梯度分水嶺算法相比,像素準確率分別提高了 44.... 

【文章來源】：北京林業(yè)大學北京市211工程院校教育部直屬院校

【文章頁數】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1. 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 林業(yè)蟲害監(jiān)測研究現狀
        1.2.2 蟲害圖像分割研究現狀
        1.2.3 模型輕量化研究現狀
        1.2.4 模型優(yōu)化方法研究現狀
    1.3 本文的主要研究內容
    1.4 本文的組織結構
2. 蟲害數據集構建
    2.1 無人機蟲害圖像采集平臺搭建
    2.2 森林蟲害圖像采集
    2.3 森林蟲害圖像標注
    2.4 本章小結
3. 基于全卷積網絡的地面端蟲害區(qū)域分割方法
    3.1 卷積神經網絡的構成
        3.1.1 卷積層
        3.1.2 池化層
        3.1.3 激活函數
    3.2 基于FCN的蟲害區(qū)域分割方法構建與優(yōu)化
        3.2.1 蟲害分割算法構建
        3.2.2 蟲害分割算法遷移
        3.2.3 蟲害分割算法優(yōu)化
    3.3 蟲害區(qū)域分割試驗
        3.3.1 分割試驗的軟硬件環(huán)境
        3.3.2 蟲害圖像數據擴充
        3.3.3 模型超參數選擇
        3.3.4 模型訓練過程
        3.3.5 蟲害圖像分割結果
    3.4 蟲害區(qū)域分割結果評價
        3.4.1 分割精度評價
        3.4.2 分割速度評價
    3.5 本章小結
4. 基于Mobile-BiSeNet的無人機端蟲害區(qū)域分割方法
    4.1 輕量化蟲害區(qū)域分割算法設計
        4.1.1 輕量化蟲害分割算法構建
        4.1.2 輕量化蟲害分割算法優(yōu)化
    4.2 輕量化模型分割試驗
        4.2.1 分割試驗
        4.2.2 蟲害圖像分割結果
        4.2.3 蟲害分割模型評價
    4.3 運行平臺搭建與算法移植
        4.3.1 蟲害圖像實時分割運行平臺搭建
        4.3.2 蟲害圖像實時分割算法移植
    4.4 本章小結
5. 總結與展望
    5.1 總結
    5.2 展望
參考文獻
個人簡介
導師簡介
獲得成果目錄
致謝


【參考文獻】：
期刊論文
[1]基于深度學習的森林蟲害無人機實時監(jiān)測方法[J]. 孫鈺,周焱,袁明帥,劉文萍,駱有慶,宗世祥.  農業(yè)工程學報. 2018(21)
[2]基于數據增強的卷積神經網絡圖像識別研究[J]. 高友文,周本君,胡曉飛.  計算機技術與發(fā)展. 2018(08)
[3]神經網絡模型壓縮方法綜述[J]. 曹文龍,芮建武,李敏.  計算機應用研究. 2019(03)
[4]彩色圖像分割方法綜述[J]. 楊紅亞,趙景秀,徐冠華,劉爽.  軟件導刊. 2018(04)
[5]基于無人機多光譜圖像的云南松蟲害區(qū)域識別方法[J]. 張軍國,韓歡慶,胡春鶴,駱有慶.  農業(yè)機械學報. 2018(05)
[6]基于深度學習的大棚及地膜農田無人機航拍監(jiān)測方法[J]. 孫鈺,韓京冶,陳志泊,史明昌,付紅萍,楊猛.  農業(yè)機械學報. 2018(02)
[7]國內外林業(yè)遙感應用研究概況與展望[J]. 吳楠,李增元,廖聲熙,龐勇,徐斌.  世界林業(yè)研究. 2017(06)
[8]4種引誘劑林間誘捕松墨天牛效果比較[J]. 溫小遂,喻愛林,唐艷龍,廖三臘,施明清.  林業(yè)科學研究. 2017(05)
[9]無人機航拍林業(yè)蟲害圖像分割復合梯度分水嶺算法[J]. 張軍國,馮文釗,胡春鶴,駱有慶.  農業(yè)工程學報. 2017(14)
[10]基于遙感影像的紅樹林蟲害監(jiān)測模型[J]. 曹慶先.  廣西科學. 2017(02)

碩士論文
[1]基于TVDI的石林縣云南松切梢小蠹遙感監(jiān)測研究[D]. 鄧槿.北京林業(yè)大學 2016



本文編號：3640217