文献类型：期刊文章

作　　者：李卫斌[1,2] 安炳贞[1,2] 孔玉辉[1,2] 杜建超[3]

LI Weibin;AN Bingzhen;KONG Yuhui;DU Jianchao(School of Artificial Intelligence,Xidian University,Xi an 710075,China;Beidou Space-Time Intelligence Research Center,Xidian University,Xi an 710075,China;School of Communication Engineering,Xidian University,Xi an 710075,China)

机构地区：[1]西安电子科技大学人工智能学院,西安710075 [2]西安电子科技大学北斗时空智能研究中心,西安710075 [3]西安电子科技大学通信工程学院,西安710075

出　　处：《林业工程学报》

基　　金：宁夏回族自治区重点研发计划(东西部合作专项)(2020BFG02013);陕西省重点研发计划项目(2021GY-102);西安市科技计划项目(21RGZN0012)。

年　　份：2023

卷　　号：8

期　　号：2

起止页码：21-29

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：松树是我国森林资源中重要的组成树种之一,占我国人工林面积的70%以上,但近几年松树资源受外来有害生物松材线虫的侵害,大量松树死亡,给我国林业生产和生态环境造成了巨大的经济损失。鉴于松材线虫病致病力强、发病时间短、传播速度快、治理难度大等特点,目前最有效的办法是及时发现和准确定位被松材线虫病感染的疫木并及时处置。人工踏查和卫星遥感在复杂林区监测方面存在局限性。无人机遥感以其实时、低成本和高空间分辨率的优点被广泛应用于农林业低空遥感,目前多使用无人机遥感影像开展松材线虫罹病木监测。笔者全面总结近几年使用人工特征提取算法和深度学习算法在松材线虫病识别领域的相关研究,从准确率、召回率、精确率等指标以及数据集等多方面对各种处理方法进行对比分析。从现有研究成果来看,基于Inceptionv3和AdaBoost算法的检测模型,其泛化能力和识别精度优于其他算法,但基于Faster R-CNN和YOLOv4算法能够识别不同感染阶段的罹病木。通过结合无人机遥感和深度学习算法能监测受害区域染病松树的生长现状和分布情况,为后续罹病木的处理提供了支持。未来,融合深度学习与传统机器学习的优点,结合多传感器的遥感数据协同监测林业病虫害将成为趋势。

关 键 词：林业病虫害 松材线虫 遥感监测 深度学习  无人机影像

分 类 号：S763]