结合注意力机制与YOLOv5的松材线虫病受害木检测

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-YOLOv5、SE-YOLOv5、CA-YOLOv5与YOLOv5模型的识别效果,实现了对变色松树和枯死疫木检测效果的提升。结果表明:3种注意力改进策略的变色松树查全率、平均精度和F1分数显著提高,查准率不逊色于YOLOv5模型;综合考量查全率和F1分数指标,SE-YOLOv5模型的变色松树和枯死疫木检测效果最好,其F1分数分别达到89.7%和76.9%,比原模型分别提高了5.5%和5.4%,其检测精度分别为91.7%和80.3%,较YOLOv5模型分别提升了4.7%和5.1%;在理想置信度阈值情况下3种注意力改进策略的变色松树和枯死疫木查全率均值分别为85.4%和76.6%,基本满足实际检测需求。对各注意力改进模型检测层的特征图和热力图进行剖析可以看出,嵌入注意力机制有利于提取高贡献度的特征成分,可以提升变色松树特征提取的准确性。因此,改进的YOLOv5模型基本满足了在较大疫区范围内对疫情监测的需求,这对于松林资源保护和病害防治具有积极意义。

单镜头无人机飞行参数优化方案

针对无人机倾斜摄影测量的特点,提出最优飞行参数,满足单镜头无人机影像采集和三维模型重建的要求。利用单镜头无人机,分别采用3种航高(60、110和150 m)和3种云台俯仰角(-60°、-45°和-30°)进行无人机影像数据采集,另外,航高为110 m的影像数据采用了5种像控点密度分别进行建模;将RTK和地面激光雷达分别测量地面点位坐标和建筑物墙立面线段长度作为真实值,验证各飞行参数下地面点空间位置和建筑物墙立面线段长度的精度。通过综合分析,得到航高110 m、云台俯仰角-45°和像控点密度32个/km^(2)为最优飞行参数,可满足国土资源调查的要求。

基于点云数据的毛竹笋蓄积量-生物量模型研究

毛竹笋生长与毛竹产量及固碳能力有密切的关系,研究毛竹笋蓄积量与生物量之间的关系,探讨毛竹笋生物量变化规律,有利于了解毛竹笋的生长特性。利用地面LiDAR技术获取毛竹笋三维点云数据,进而构建毛竹笋三维模型,并计算其体积,尝试建立毛竹笋蓄积量转换为生物量的数学模型。试验结果表明:对于利用毛竹笋三维模型计算的体积与利用Simalian公式计算的体积,两者相关性高;通过样本检验发现,毛竹笋蓄积量与生物量的转换模型精度达到84.24%。以上研究表明,地面LiDAR可以为毛竹笋生物量的快速测算提供体积参数。