文献类型：期刊文章

作　　者：孙钰[1] 周焱[1] 袁明帅[1] 刘文萍[1] 骆有庆[2] 宗世祥[2]

Sun Yu;Zhou Yan;Yuan Mingshuai;Liu Wenping;Luo Youqing;Zong Shixiang(School of Information,Beijing Forestry University,Beijing 100083,China;School of Forestry,Beijing Forestry University,Beijing 100083,China)

机构地区：[1]北京林业大学信息学院,北京100083 [2]北京林业大学林学院,北京100083

出　　处：《农业工程学报》

基　　金：北京市科技计划"影响北京生态安全的重大钻蛀性害虫防控技术研究与示范"(Z171100001417005)

年　　份：2018

卷　　号：34

期　　号：21

起止页码：74-81

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：无人机遥感是监测森林虫害的先进技术,但航片识别的实时性尚不能快速定位虫害爆发中心、追踪灾情发生发展。该文针对受红脂大小蠹危害的油松林,使用基于深度学习的目标检测技术,提出一种无人机实时监测方法。该方法训练精简的SSD300目标检测框架,无需校正拼接,直接识别无人机航片。改进的框架使用深度可分离卷积网络作为基础特征提取器,针对航片中目标尺寸删减预测模块,优化默认框的宽高比,降低模型的参数量和运算量,加快检测速度。试验选出的最优模型,测试平均查准率可达97.22%,在移动图形工作站图形处理器加速下,单张航片检测时间即可缩短至0.46 s。该方法简化了无人机航片的检测流程,可实现受害油松的实时检测和计数,提升森林虫害早期预警能力。

关 键 词：无人机 监测  虫害 目标检测 深度学习  

分 类 号：TP391.41]