• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于多特征提取與注意力機(jī)制深度學(xué)習(xí)的高分辨率影像松材線蟲(chóng)病樹(shù)識(shí)別

    2022-02-26 02:47:10劉世川王慶唐晴劉浪何輝羽蘆佳飛戴秀清
    林業(yè)工程學(xué)報(bào) 2022年1期
    關(guān)鍵詞:病樹(shù)松材線蟲(chóng)病

    劉世川,王慶,唐晴,劉浪,何輝羽,蘆佳飛,戴秀清

    (長(zhǎng)江大學(xué)地球科學(xué)學(xué)院,武漢 430100)

    森林病蟲(chóng)害是森林健康和林業(yè)生產(chǎn)的宿敵。松材線蟲(chóng)是對(duì)松樹(shù)危害較大的外來(lái)入侵物種之一,感染松樹(shù)后會(huì)造成松樹(shù)針葉黃褐色或紅褐色,在6個(gè)月內(nèi)即可導(dǎo)致病樹(shù)整株干枯死亡,且繁殖速度快、傳播途徑廣、傳播范圍廣、難以防治,是使松林大片被毀的重要害蟲(chóng)。因此,及時(shí)發(fā)現(xiàn)松材線蟲(chóng)病樹(shù)至關(guān)重要,可以利用遙感技術(shù)實(shí)現(xiàn)高效率監(jiān)測(cè)松材樹(shù)木的健康情況。

    已有許多學(xué)者對(duì)遙感技術(shù)在松材線蟲(chóng)病樹(shù)識(shí)別上進(jìn)行了研究。N?si等[1]基于個(gè)體樹(shù)分析和經(jīng)過(guò)校準(zhǔn)的高光譜遙感圖像識(shí)別出被樹(shù)皮甲蟲(chóng)侵?jǐn)_的樹(shù)木。通過(guò)單個(gè)樹(shù)級(jí)別的高光譜UAV成像的機(jī)器視覺(jué)技術(shù)可以識(shí)別樹(shù)木的不同階段。Hilker等[2]通過(guò)多角度觀察高光譜分辨率的遙感圖像檢測(cè)樹(shù)葉狀況通過(guò)提取與冠層反射有關(guān)的擾動(dòng)變化,進(jìn)而在時(shí)間和頻譜上密集的數(shù)據(jù)中檢測(cè)到葉綠素含量的變改。

    近年來(lái),深度學(xué)習(xí)逐漸成為人工智能領(lǐng)域的研究熱點(diǎn)和主流發(fā)展方向,利用多個(gè)處理層組成的計(jì)算模型,學(xué)習(xí)具有多個(gè)抽象層次數(shù)據(jù)表示的機(jī)器學(xué)習(xí)技術(shù),促進(jìn)了松材線蟲(chóng)病樹(shù)遙感影像識(shí)別的發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)作為最熱門(mén)的深度學(xué)習(xí)模型算法,其不需要人為設(shè)計(jì)目標(biāo)特征,不僅提高了模型的訓(xùn)練和測(cè)試速度,且會(huì)根據(jù)海量數(shù)據(jù)和標(biāo)注自行進(jìn)行有效特征提取和學(xué)習(xí),在訓(xùn)練數(shù)據(jù)充足的情況下,模型具有良好的泛化能力,能夠在復(fù)雜多變的條件下依然保持良好的穩(wěn)健性。Guirado等[3]使用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別Google Earth中影像的植被覆蓋區(qū)域,識(shí)別范圍雖然廣,但識(shí)別精度粗糙,影像拍攝時(shí)間也不一定利于識(shí)別,故遙感影像數(shù)據(jù)源需要更加可控靈活,例如無(wú)人機(jī)遙感技術(shù)。孫鈺等[4]基于Faster R-CNN神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)了監(jiān)測(cè)油松紅脂大小蠹的病害樹(shù)木,并結(jié)合了無(wú)人機(jī)技術(shù),實(shí)現(xiàn)了高效的無(wú)人機(jī)實(shí)時(shí)監(jiān)測(cè),但對(duì)于光譜信息沒(méi)有初步篩選,會(huì)對(duì)神經(jīng)網(wǎng)絡(luò)模型識(shí)別效率產(chǎn)生影響,在識(shí)別中加入特征篩選步驟后將提高識(shí)別效率。針對(duì)松材線蟲(chóng)病樹(shù),Deng等[5]結(jié)合了無(wú)人機(jī)技術(shù),并對(duì)VGG16網(wǎng)絡(luò)模型進(jìn)行優(yōu)化,最終達(dá)到較高的準(zhǔn)確度,但網(wǎng)絡(luò)模型的結(jié)構(gòu)還有優(yōu)化的空間,可將網(wǎng)絡(luò)模型識(shí)別的注意力集中,再增加識(shí)別準(zhǔn)確度。Iordache等[6]利用航拍的高光譜影像和多光譜影像相結(jié)合,由于其具有一般影像更多的光譜信息,結(jié)合隨機(jī)樹(shù)機(jī)器學(xué)習(xí)方法得到了較高的識(shí)別準(zhǔn)確度,但由于單株樣本數(shù)據(jù)量較大,隨機(jī)樹(shù)模型的處理速度也會(huì)受到影響,松材線蟲(chóng)病樹(shù)光譜特征較為明顯,可選用高分辨率影像替換高光譜影像進(jìn)行識(shí)別。

    因此,本研究采用較為成熟的卷積神經(jīng)網(wǎng)絡(luò)模型VGG(visual geometry group network)的簡(jiǎn)化模型VGG-S(simplification,即針對(duì)松材線蟲(chóng)病樹(shù)進(jìn)行簡(jiǎn)化)作為深度學(xué)習(xí)模型,以高分辨率遙感影像為提取對(duì)象,對(duì)松材線蟲(chóng)病樹(shù)的植被指數(shù)、顏色模型、空間分布特征進(jìn)行多特征分析,以速度快、針對(duì)性強(qiáng)的方法篩選疑似病樹(shù);并結(jié)合注意力機(jī)制神經(jīng)網(wǎng)絡(luò)VGG-A(attention module,即結(jié)合注意力機(jī)制)的深度學(xué)習(xí),從疑似病樹(shù)樣本中自動(dòng)識(shí)別病樹(shù),在保證高效率的同時(shí)提高識(shí)別精度。

    1 技術(shù)路線與關(guān)鍵技術(shù)

    1.1 技術(shù)路線

    通過(guò)人工篩選高分辨率航空樣本影像(含紅色、綠色、藍(lán)色和近紅外波段),取樣得到病樹(shù)、健康樹(shù)、房屋、裸土地和柏油路的樣本像元區(qū)域。計(jì)算樣本像元區(qū)域的光譜特征,利用Relief特征選擇算法,得到二分類病樹(shù)和非病樹(shù)的最佳特征。將最佳特征的病樹(shù)像元樣本集進(jìn)行統(tǒng)計(jì)分析,取得合適閾值構(gòu)建病樹(shù)的光譜特征模型,用以在目標(biāo)影像上篩選出病樹(shù)像元。再運(yùn)用空間聚類算法對(duì)像元進(jìn)行聚類分析,并剔除周圍一定范圍內(nèi)不附著健康樹(shù)像元的病樹(shù)像元,得到疑似病樹(shù)像元集。再將疑似病樹(shù)像元集和位置相同的原始影像進(jìn)行人工判讀,將被判讀為病樹(shù)的原始影像裁剪成為病樹(shù)樣本集,反之裁剪健康樹(shù)樣本集。把這兩個(gè)樣本集分別作為VGG-S訓(xùn)練樣本,將VGG-S與注意力機(jī)制相結(jié)合(VGG-A),從而得到松材線蟲(chóng)病樹(shù)影像識(shí)別準(zhǔn)確率較高的識(shí)別模型。最后把識(shí)別模型放入完整的松材線蟲(chóng)影像中進(jìn)而得到一個(gè)完整病樹(shù)的分布范圍,如圖1所示。

    圖1 技術(shù)路線Fig. 1 Technical route

    1.2 關(guān)鍵技術(shù)

    由于松材線蟲(chóng)的侵染能明顯引起寄主植株葉綠素、類胡蘿卜素發(fā)生改變,導(dǎo)致植物光譜特征發(fā)生變化。健康松樹(shù)的反射光譜在綠光區(qū)(510~570 nm)有一個(gè)較低的反射峰值;紅光區(qū)(640~680 nm)有一個(gè)較低的吸收谷值;感染松材線蟲(chóng)后松樹(shù)綠光區(qū)的反射峰會(huì)逐漸減弱,紅光區(qū)的吸收谷卻會(huì)逐漸增強(qiáng)。高分辨率影像上的病樹(shù)像元會(huì)表現(xiàn)出聚集性的空間特性,由此可篩去部分噪點(diǎn),并且滿足周圍一定范圍內(nèi)有健康樹(shù)木的空間分布特性,獲取疑似病樹(shù)像元集,利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)疑似病樹(shù)像元集進(jìn)行進(jìn)一步的識(shí)別,從而得到一個(gè)識(shí)別率高的松材線蟲(chóng)病樹(shù)的范圍分布圖。

    1.2.1 植被指數(shù)

    植被指數(shù)是利用綠色植被在不同波段的反射和吸收特性,對(duì)傳感器不同波段進(jìn)行組合運(yùn)算,增強(qiáng)植被的信息。它本質(zhì)上是綜合考慮各有關(guān)光譜信號(hào),把多波段反射率做一定的數(shù)學(xué)變換,使其在增強(qiáng)植被信息的同時(shí),使非植被信息最小化。目前較為常見(jiàn)的歸一化植被指數(shù)NDVI(normalized vegetation index,INDV)、比值植被指數(shù)RVI(ratio vegetation index,IRV)、差值植被指數(shù)DVI(difference vegetation index,IDV)、增強(qiáng)型植被指數(shù) EVI(enhanced vegetation index,IEV)、歸一化綠紅差異指數(shù)NGRDI(normalized green-red difference index,INGRD)、仿照NGRDI構(gòu)造的歸一化綠藍(lán)差異指數(shù)NGBDI(normalized green-blue difference index,INGBD)及紅綠比值指數(shù) RGRI(red-green ratio index,IRGR)[7],計(jì)算公式如表1所示。

    表1 植被指數(shù)計(jì)算公式Table 1 The vegetation index calculation formula

    1.2.2 顏色空間模型

    在可見(jiàn)光范圍,松材線蟲(chóng)病樹(shù)死亡前的顏色變化主要包括:先是褪色發(fā)黃,此現(xiàn)象可以出現(xiàn)在單枝或少量枝條上,也可出現(xiàn)在整株,針葉進(jìn)而枯萎變成紅褐色。現(xiàn)在絕大部分的彩色圖像是基于RGB顏色三基色的模型,但RGB空間中3個(gè)分量之間存在很強(qiáng)的相關(guān)性,因而不適合直接用于基于3個(gè)分量獨(dú)立運(yùn)算的圖像分割。利用各種變換,可以由RGB空間推導(dǎo)出其他顏色空間(表2)。

    表2 顏色空間模型Table 2 Color space model

    1.2.3 Relief特征選擇算法

    Relief算法是一種高效的過(guò)濾式特征選擇方法,由Kira等[8]提出用于二分類問(wèn)題的特征選擇算法,根據(jù)各個(gè)特征和類別的相關(guān)性賦予特征不同的權(quán)重,權(quán)重小于某個(gè)閾值的特征將被移除。Relief算法中特征和類別的相關(guān)性是基于特征對(duì)近距離樣本的區(qū)分能力。計(jì)算公式如下:

    式中:樣本集為S,特征集為A,設(shè)抽樣次數(shù)為n,xi為樣本集S中的單個(gè)樣本;aj為特征集A中的單個(gè)特征;Nh為與xi同類別的最近鄰;Nm為與xi非同類別的最近鄰。若xi與Nh在特征aj上的距離小于xi與Nm的距離,則說(shuō)明aj對(duì)區(qū)分同類與異類樣本是有利的,反之則不利,Wj為aj的權(quán)重,Wj的值越大則說(shuō)明該屬性的分類能力越強(qiáng)[9]。

    利用Relief特征選擇算法得到單個(gè)樣本對(duì)每個(gè)特征的評(píng)價(jià)值,將所有樣本對(duì)同一個(gè)特征的評(píng)價(jià)值進(jìn)行平均就得到了該屬性的相關(guān)統(tǒng)計(jì)分量,分量值越大,分類能力就越強(qiáng),從而選出最優(yōu)特征用以分類病樹(shù)像元和非病樹(shù)像元。

    1.2.4 多尺度卷積神經(jīng)網(wǎng)絡(luò)病樹(shù)識(shí)別

    卷積神經(jīng)網(wǎng)絡(luò)是一種包含卷積計(jì)算并且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò),是深度學(xué)習(xí)算法的其中之一。多尺度輸入是指輸入任意大小的影像以及將卷積神經(jīng)網(wǎng)絡(luò)所有中間層的特征融合到最后提取結(jié)果中。多尺度輸入卷積神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層。

    輸入層:輸入一般為整張影像或影像中的一部分區(qū)域。

    隱含層:對(duì)輸入層的數(shù)據(jù)進(jìn)行特征提取、特征選擇以及信息過(guò)濾,包括卷積層、池化層、全連接層。

    輸出層:采用邏輯函數(shù)或歸一化函數(shù)輸出分類標(biāo)簽。

    本研究以VGG為參考模型建立一個(gè)專門(mén)識(shí)別松材線蟲(chóng)病樹(shù)的神經(jīng)網(wǎng)絡(luò)模型——VGG-S[10-11],該模型擁有4個(gè)卷積層和1個(gè)全連接層。其中的卷積層中第1層使用1個(gè)3×3的卷積核,第2層使用2個(gè)3×3的卷積核,第3層使用3個(gè)3×3的卷積核,提高學(xué)習(xí)精度。該模型經(jīng)過(guò)上層采樣后傳遞給全連層進(jìn)行特征分類,最后再由Softmax輸出分類結(jié)果。

    注意力機(jī)制是由Yann等[12]首先應(yīng)用于神經(jīng)機(jī)器翻譯,主要內(nèi)容是選擇關(guān)注所有信息的一部分并忽略其他可見(jiàn)的信息。在卷積神經(jīng)網(wǎng)絡(luò)中,CBAM(convolutional block attention module)是一種結(jié)合了空間和通道的注意力機(jī)制模塊(圖2)。

    圖2 CBAM模型Fig. 2 CBAM model

    圖3 通道注意力Fig. 3 Channel attention

    通道注意力模塊:關(guān)注的是這張圖上哪些內(nèi)容是有重要作用的。通過(guò)輸入的特征圖在空間維度進(jìn)行壓縮,得到一個(gè)一維矢量后再進(jìn)行操作。在空間維度上進(jìn)行壓縮時(shí),不僅考慮到了平均值池化還考慮了最大值池化。平均值池化對(duì)特征圖上的每一個(gè)像素點(diǎn)都有反饋,而最大值池化在進(jìn)行梯度反向傳播計(jì)算時(shí),只有特征圖中響應(yīng)最大的地方有梯度的反饋(圖3)。

    Mc(F)=σ{MLP[AvgPool(F)]+

    MLP[MaxPool(F)]}Mc(F)

    空間注意力模塊:關(guān)注“哪里”是最具信息量的部分,對(duì)通道進(jìn)行壓縮,在通道維度分別進(jìn)行了平均值池化和最大值池化。MaxPool的操作就是在通道上提取最大值,提取的次數(shù)為高乘以寬;AvgPool的操作就是在通道上提取平均值,提取的次數(shù)也是高乘以寬;接著將前面所提取的特征圖(通道數(shù)都為1)合并得到一個(gè)2通道的特征圖[13](圖4)。

    圖4 空間注意力Fig. 4 Spatial attention

    MS(F)=σ(f7×7([AvgPool(F);MaxPool(F)]))

    將CBAM添加到VGG-S的relu激活函數(shù)之后、最大池化層之前[14-15],得到VGG-A模型(圖5)。

    圖5 VGG-A結(jié)合模型Fig. 5 VGG-A combination model

    2 實(shí)驗(yàn)與分析

    2.1 人工取樣

    研究區(qū)位于湖北省松滋市北部,該地是松材線蟲(chóng)病暴發(fā)的重點(diǎn)監(jiān)測(cè)區(qū)。松材線蟲(chóng)病樹(shù)的遙感監(jiān)測(cè)的窗口期包括春秋兩季,春季宜在4月下旬至5月初進(jìn)行,此時(shí)健康植被處于茂盛階段,易于和病樹(shù)區(qū)分;秋季宜在9月下旬至10月上旬進(jìn)行,此時(shí)是發(fā)病的高峰期[16],且10月中下旬后,楓香、山胡椒等許多落葉闊葉樹(shù)也開(kāi)始變色,對(duì)病樹(shù)的監(jiān)測(cè)帶來(lái)極大干擾[17],通常春季監(jiān)測(cè)用于上年度病樹(shù)除治效果的評(píng)估,而秋季監(jiān)測(cè)用于當(dāng)年除治計(jì)劃的制定[18]。本研究數(shù)據(jù)采集時(shí)間為2019年10月初,由無(wú)人直升機(jī)搭載徠卡ADS100航空攝影系統(tǒng)進(jìn)行采集,拍攝地點(diǎn)30°1′33″~30°1′46″N、111°43′9″~111°44′24″E和30°38′6″~30°38′23″N、111°33′48″~111°34′16″E附近,獲取包含紅、綠、藍(lán)、近紅外4個(gè)波段,空間分辨率0.1 m的高分辨率遙感影像數(shù)據(jù)。

    該區(qū)域地物類別主要為房屋、道路、草地、空地和健康樹(shù)木和病樹(shù)。由于高分辨率遙感影像中地物顏色更明顯、輪廓更清晰,故將房屋細(xì)分為藍(lán)頂房屋和灰頂房屋,道路分為柏油路面和水泥路面。采用人工取樣的形式,得到病樹(shù)、健康樹(shù)、藍(lán)頂房屋、灰頂房屋、裸土、柏油路和小路的像元區(qū)域(圖6),并統(tǒng)計(jì)出像元樣本數(shù)量(表3)。

    圖6 人工取樣示意圖Fig. 6 Manual sampling schematic

    在表3的地物分類中,之所以將非病樹(shù)分開(kāi)標(biāo)注,是為了研究病樹(shù)與各類地物的特征差異,有利于本研究能應(yīng)用于不同的場(chǎng)景,比如DVI指標(biāo)很難區(qū)分病樹(shù)和草地,但如果有松林圖斑數(shù)據(jù),可以將草地篩選掉,那么DVI就能更好地識(shí)別病樹(shù);而在深度學(xué)習(xí)訓(xùn)練階段,因?yàn)樯疃葘W(xué)習(xí)強(qiáng)大的學(xué)習(xí)能力,無(wú)須進(jìn)一步區(qū)分能適應(yīng)不同情況,因此將非病樹(shù)樣本合在一起和病樹(shù)構(gòu)成兩類進(jìn)行訓(xùn)練。

    表3 各地物像元樣本總數(shù)Table 3 Total number of samples of objects in various places

    2.2 Relief算法結(jié)果和特征選取

    特征:將各植被指數(shù)和各顏色模型所包含的各分量作為單獨(dú)特征種類,總計(jì)20種特征。

    數(shù)量:由于樣本數(shù)量參差不齊,以及考慮到運(yùn)算耗時(shí),各類地物選取300份樣本,總計(jì)2 100份樣本。

    Relief特征選擇算法得出各特征所對(duì)應(yīng)的權(quán)重(表4)。

    表4 各特征權(quán)重Table 4 Weights for each feature

    圖7 各參數(shù)箱線圖Fig. 7 Box line chart situ

    取權(quán)重大于0.1的8個(gè)特征進(jìn)行特征選擇數(shù)量2~8的討論,對(duì)拍攝于30°1′44.54″~30°1′55.88″N、111°43′13.58″~111°43′28.80″E,圖幅大小為3 495×4 079,人工識(shí)別177個(gè)病樹(shù)的圖片利用不同數(shù)量的特征進(jìn)行病樹(shù)識(shí)別,識(shí)別結(jié)果見(jiàn)表5。

    當(dāng)選擇權(quán)重前3的DVI、I2、I3作為病樹(shù)模型參數(shù)時(shí),漏選率較低且錯(cuò)選率也同時(shí)較低,保證錯(cuò)誤數(shù)盡量低的同時(shí)正確數(shù)也是最高。DVI、I2、I3各參數(shù)的箱線圖見(jiàn)圖7。

    表5 各數(shù)量特征識(shí)別結(jié)果Table 5 Recognition results of various quantitative features

    2.3 VGG-S模型訓(xùn)練過(guò)程

    本實(shí)驗(yàn)中,所用訓(xùn)練樣本的計(jì)算機(jī)配置為lntel(R) Core(TM)i7-7700HQ CPU @2.80Hz 2.81 GHz 處理器,8 GB內(nèi)存和Windows版本的Pycharm平臺(tái)。CNN模型包含4次卷積和池化,1個(gè)全連接層,全連接層后采用Softmax進(jìn)行分類。

    本研究中VGG-A算法的訓(xùn)練和驗(yàn)證都是基于Keras神經(jīng)網(wǎng)絡(luò)庫(kù),訓(xùn)練階段利用自制尺寸為80×80的影像數(shù)據(jù)集對(duì)VGG-A進(jìn)行訓(xùn)練操作,然后基于多次實(shí)驗(yàn)參數(shù)設(shè)置比較以及鑒于本實(shí)驗(yàn)計(jì)算機(jī)配置,整個(gè)算法BatchSize設(shè)為256,設(shè)初始學(xué)習(xí)率設(shè)置為0.001,epochs設(shè)置為50。最終訓(xùn)練精度達(dá)到96.68%,驗(yàn)證集平均精度在90.15%。

    2.4 病樹(shù)篩選結(jié)果

    對(duì)拍攝地點(diǎn)30°1′N、111°43′E附近的3幅高分辨率遙感影像篩選病樹(shù),在中央處理器為i7-7700HQ、圖形處理器為GTX1050Ti、ROM為8 GB的計(jì)算機(jī)上分別進(jìn)行多特征識(shí)別、VGG-S識(shí)別以及VGG-A識(shí)別,將結(jié)果與人工目判結(jié)果進(jìn)行對(duì)比(圖8),得到統(tǒng)計(jì)結(jié)果(表6),其中多特征方法的平均檢準(zhǔn)率為78.23%,平均檢全率為95.05%;VGG-S方法的平均檢準(zhǔn)率為82.61%,平均檢全率為94.06%;VGG-A方法的平均檢準(zhǔn)率為85.45%,平均檢全率為93.07%;VGG-S與VGG-A兩個(gè)模型的訓(xùn)練和預(yù)測(cè)耗時(shí)如表7所示。

    圖8 識(shí)別結(jié)果對(duì)比Fig. 8 Comparison of recognition results

    表6 多特征、VGG-S和VGG-A檢測(cè)數(shù)據(jù)統(tǒng)計(jì)Table 6 Multi-feature, VGG-S and VGG-A test data statistics

    表7 VGG-S和VGG-A模型訓(xùn)練和預(yù)測(cè)耗時(shí)Table 7 VGG-S and VGG-A model training and prediction time-consuming

    3 結(jié) 論

    利用多特征提取高分辨率遙感影像中的松材線蟲(chóng)病樹(shù),平均檢測(cè)準(zhǔn)確率為78.23%、平均檢全率為95.05%,由于后續(xù)識(shí)別模型都是在多特征識(shí)別的基礎(chǔ)上,平均檢全率無(wú)法提高;結(jié)合使用VGG-S神經(jīng)網(wǎng)絡(luò)模型的深度學(xué)習(xí)后,平均檢測(cè)準(zhǔn)確率提高至82.61%;再將CBAM加入VGG-S模型后得到VGG-A模型,進(jìn)一步將平均檢測(cè)準(zhǔn)確率提高至85.45%,但平均檢全率下降至93.07%。

    由于高分辨率遙感影像獲取方式的靈活性,雖然實(shí)驗(yàn)數(shù)據(jù)在不同拍攝條件下得到的光譜特征不同從而可能導(dǎo)致結(jié)果的改變,例如在實(shí)驗(yàn)過(guò)程中,影像1和影像3的光照強(qiáng)度不足,導(dǎo)致部分林木在影像上無(wú)法被識(shí)別,從而導(dǎo)致漏檢率較高;但是可以通過(guò)無(wú)人機(jī)航拍等方式進(jìn)行快速獲取遙感影像數(shù)據(jù),從所獲得的影像數(shù)據(jù)中篩選出質(zhì)量更高的影像進(jìn)行識(shí)別。

    針對(duì)3種不同的識(shí)別方法,要實(shí)現(xiàn)大面積、及時(shí)地監(jiān)測(cè)松材樹(shù)木的健康狀況,采用基于多特征提取和注意力機(jī)制神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像識(shí)別技術(shù)在傳統(tǒng)多特征提取的基礎(chǔ)上實(shí)現(xiàn)了高準(zhǔn)確率、高精度監(jiān)測(cè),更有利于保護(hù)松材樹(shù)木的森林資源。

    猜你喜歡
    病樹(shù)松材線蟲(chóng)病
    肉牛消化道線蟲(chóng)病和呼吸道線蟲(chóng)病的流行病學(xué)、臨床癥狀和防治
    家畜類圓線蟲(chóng)病的分析、診斷和治療
    病樹(shù)前頭萬(wàn)木春
    柑桔衰退病對(duì)臍橙生長(zhǎng)和結(jié)果情況影響的調(diào)查與分析
    《松材線蟲(chóng)病生態(tài)災(zāi)害督辦追責(zé)辦法》出臺(tái)
    橘殤
    松材線蟲(chóng)病的發(fā)生防治及對(duì)策——以重慶市為例
    我國(guó)松材線蟲(chóng)病的主要防治技術(shù)探析
    如何正確砍黃龍病病樹(shù)
    獼猴桃根結(jié)線蟲(chóng)病的發(fā)生與防治
    国产精品偷伦视频观看了| 亚洲七黄色美女视频| 看免费成人av毛片| 欧美激情极品国产一区二区三区| 叶爱在线成人免费视频播放| 人成视频在线观看免费观看| 汤姆久久久久久久影院中文字幕| 日韩大片免费观看网站| www.精华液| 国产精品一区二区免费欧美 | 久久久精品国产亚洲av高清涩受| 交换朋友夫妻互换小说| 在线观看免费午夜福利视频| 国产激情久久老熟女| svipshipincom国产片| 50天的宝宝边吃奶边哭怎么回事| 一区二区三区乱码不卡18| 亚洲国产精品成人久久小说| 水蜜桃什么品种好| 中文乱码字字幕精品一区二区三区| 中文字幕av电影在线播放| 女人爽到高潮嗷嗷叫在线视频| 精品少妇久久久久久888优播| av国产久精品久网站免费入址| 99国产精品一区二区三区| 老司机深夜福利视频在线观看 | 久久久亚洲精品成人影院| 中文欧美无线码| 男女国产视频网站| 99国产精品99久久久久| 2021少妇久久久久久久久久久| 免费在线观看日本一区| 咕卡用的链子| 欧美亚洲日本最大视频资源| 一区福利在线观看| 美女中出高潮动态图| 一本一本久久a久久精品综合妖精| 国产av一区二区精品久久| 精品人妻熟女毛片av久久网站| 久久久国产精品麻豆| 精品国产乱码久久久久久男人| 婷婷色麻豆天堂久久| 亚洲欧美成人综合另类久久久| 国产一区二区三区av在线| 久久久亚洲精品成人影院| 亚洲男人天堂网一区| 亚洲中文字幕日韩| 无限看片的www在线观看| 两个人看的免费小视频| 欧美日韩亚洲国产一区二区在线观看 | 国产又爽黄色视频| 新久久久久国产一级毛片| 亚洲图色成人| 亚洲,欧美精品.| 国产淫语在线视频| 久久女婷五月综合色啪小说| 看免费成人av毛片| 两性夫妻黄色片| 性少妇av在线| 亚洲情色 制服丝袜| 午夜91福利影院| 少妇 在线观看| 晚上一个人看的免费电影| 日本欧美视频一区| 久久女婷五月综合色啪小说| 国产精品偷伦视频观看了| 国产97色在线日韩免费| 亚洲情色 制服丝袜| 真人做人爱边吃奶动态| 老司机在亚洲福利影院| 国产亚洲精品第一综合不卡| 看免费成人av毛片| 国产精品成人在线| 一区在线观看完整版| 少妇的丰满在线观看| 亚洲av电影在线观看一区二区三区| 亚洲国产欧美网| 国产人伦9x9x在线观看| a级毛片黄视频| 亚洲国产欧美日韩在线播放| av欧美777| 亚洲精品美女久久av网站| 纵有疾风起免费观看全集完整版| 免费不卡黄色视频| 亚洲色图综合在线观看| 手机成人av网站| 国产欧美日韩一区二区三区在线| 宅男免费午夜| 久久国产精品大桥未久av| 亚洲九九香蕉| 中文字幕人妻熟女乱码| 一级毛片 在线播放| 久久午夜综合久久蜜桃| 欧美 亚洲 国产 日韩一| 妹子高潮喷水视频| 人妻 亚洲 视频| 最近中文字幕2019免费版| 色网站视频免费| 久久99精品国语久久久| 中文字幕人妻熟女乱码| 国产高清videossex| 91九色精品人成在线观看| 亚洲中文字幕日韩| 久久精品熟女亚洲av麻豆精品| 亚洲国产日韩一区二区| 亚洲激情五月婷婷啪啪| 国产精品免费大片| 免费在线观看视频国产中文字幕亚洲 | 亚洲男人天堂网一区| 国产精品 国内视频| 日本vs欧美在线观看视频| 男女下面插进去视频免费观看| 在线观看免费午夜福利视频| 美国免费a级毛片| 国产爽快片一区二区三区| 国产不卡av网站在线观看| 男女之事视频高清在线观看 | 久久久国产一区二区| xxxhd国产人妻xxx| 午夜福利视频在线观看免费| 亚洲激情五月婷婷啪啪| 亚洲欧美日韩高清在线视频 | 精品福利观看| 99国产精品免费福利视频| 欧美人与性动交α欧美精品济南到| 国产成人a∨麻豆精品| 午夜免费成人在线视频| 亚洲av日韩在线播放| 国产精品欧美亚洲77777| 欧美成人午夜精品| 午夜福利免费观看在线| 一级片'在线观看视频| 一级a爱视频在线免费观看| 18禁国产床啪视频网站| 免费不卡黄色视频| 国产免费一区二区三区四区乱码| 男人舔女人的私密视频| av有码第一页| 菩萨蛮人人尽说江南好唐韦庄| 黄色a级毛片大全视频| 国产精品99久久99久久久不卡| 亚洲三区欧美一区| 一区福利在线观看| 国产欧美亚洲国产| 香蕉国产在线看| 亚洲欧洲国产日韩| 午夜日韩欧美国产| 丝袜在线中文字幕| 免费看不卡的av| 久久99一区二区三区| 这个男人来自地球电影免费观看| 丝袜美腿诱惑在线| 香蕉丝袜av| 另类亚洲欧美激情| 天天影视国产精品| 午夜免费观看性视频| 久热这里只有精品99| 亚洲视频免费观看视频| 欧美激情 高清一区二区三区| 成人午夜精彩视频在线观看| 午夜福利乱码中文字幕| 亚洲成人国产一区在线观看 | 亚洲av日韩精品久久久久久密 | 少妇精品久久久久久久| 欧美激情 高清一区二区三区| 尾随美女入室| 亚洲七黄色美女视频| bbb黄色大片| 国产人伦9x9x在线观看| 精品卡一卡二卡四卡免费| 亚洲欧美一区二区三区国产| 热99久久久久精品小说推荐| 又大又爽又粗| 亚洲精品国产一区二区精华液| 欧美性长视频在线观看| 亚洲欧美色中文字幕在线| 日韩熟女老妇一区二区性免费视频| 观看av在线不卡| 国产激情久久老熟女| 免费在线观看视频国产中文字幕亚洲 | 女警被强在线播放| 99久久综合免费| 超碰97精品在线观看| 午夜免费男女啪啪视频观看| a级毛片在线看网站| 亚洲国产中文字幕在线视频| 精品少妇久久久久久888优播| 亚洲国产欧美日韩在线播放| 国产成人精品在线电影| 亚洲精品乱久久久久久| 美女国产高潮福利片在线看| 久久精品久久久久久久性| 80岁老熟妇乱子伦牲交| 久久久亚洲精品成人影院| 最新在线观看一区二区三区 | 91精品国产国语对白视频| 热re99久久精品国产66热6| 深夜精品福利| 一区在线观看完整版| 多毛熟女@视频| 婷婷色综合www| 亚洲伊人色综图| 成人亚洲欧美一区二区av| 国产麻豆69| 精品少妇内射三级| 十八禁高潮呻吟视频| 欧美日韩亚洲综合一区二区三区_| 国产精品秋霞免费鲁丝片| 男男h啪啪无遮挡| 欧美精品亚洲一区二区| 国产主播在线观看一区二区 | 91精品伊人久久大香线蕉| 国产成人欧美| 看十八女毛片水多多多| 国产一区亚洲一区在线观看| 亚洲,一卡二卡三卡| 亚洲精品国产区一区二| 午夜福利免费观看在线| 成人三级做爰电影| 亚洲精品在线美女| 亚洲国产日韩一区二区| 亚洲成国产人片在线观看| 亚洲国产精品成人久久小说| 亚洲,欧美精品.| 亚洲欧美一区二区三区黑人| 激情五月婷婷亚洲| 欧美成人午夜精品| 欧美激情 高清一区二区三区| 十八禁网站网址无遮挡| 久久精品久久久久久噜噜老黄| 9热在线视频观看99| 亚洲国产欧美日韩在线播放| 成在线人永久免费视频| 成人国产av品久久久| 女性被躁到高潮视频| 国产一区有黄有色的免费视频| 精品国产乱码久久久久久男人| 国产精品人妻久久久影院| 五月天丁香电影| 男女无遮挡免费网站观看| 精品免费久久久久久久清纯 | 麻豆国产av国片精品| 色视频在线一区二区三区| 中文字幕亚洲精品专区| 亚洲视频免费观看视频| 精品福利永久在线观看| 青青草视频在线视频观看| 亚洲精品中文字幕在线视频| 亚洲精品美女久久av网站| 国产精品秋霞免费鲁丝片| 两个人看的免费小视频| www.自偷自拍.com| 美女脱内裤让男人舔精品视频| 成人国产av品久久久| 午夜两性在线视频| 看免费成人av毛片| 又大又爽又粗| 好男人视频免费观看在线| 91成人精品电影| 国产成人精品无人区| 成人18禁高潮啪啪吃奶动态图| 国产亚洲av片在线观看秒播厂| 777米奇影视久久| 18禁黄网站禁片午夜丰满| 亚洲,一卡二卡三卡| 日本91视频免费播放| 久久天躁狠狠躁夜夜2o2o | 久久精品久久久久久久性| 在线精品无人区一区二区三| 久9热在线精品视频| 色视频在线一区二区三区| 蜜桃国产av成人99| 精品人妻熟女毛片av久久网站| 亚洲欧洲国产日韩| 欧美日韩国产mv在线观看视频| 无遮挡黄片免费观看| cao死你这个sao货| 国产亚洲午夜精品一区二区久久| 久久久久久免费高清国产稀缺| 天天添夜夜摸| xxx大片免费视频| 国产黄色视频一区二区在线观看| 国产真人三级小视频在线观看| 母亲3免费完整高清在线观看| 伦理电影免费视频| 激情视频va一区二区三区| 99国产精品免费福利视频| 亚洲av成人精品一二三区| 9191精品国产免费久久| 国产成人系列免费观看| 国产精品久久久久久人妻精品电影 | 亚洲三区欧美一区| 成年人免费黄色播放视频| 亚洲av成人精品一二三区| 免费日韩欧美在线观看| 国产主播在线观看一区二区 | 亚洲精品中文字幕在线视频| 性色av乱码一区二区三区2| 各种免费的搞黄视频| 999精品在线视频| 一级片免费观看大全| 免费在线观看视频国产中文字幕亚洲 | 一级毛片黄色毛片免费观看视频| 日日摸夜夜添夜夜爱| 亚洲视频免费观看视频| 伦理电影免费视频| 国产又色又爽无遮挡免| 伦理电影免费视频| 少妇被粗大的猛进出69影院| svipshipincom国产片| 免费少妇av软件| 一区二区av电影网| 999久久久国产精品视频| 欧美亚洲 丝袜 人妻 在线| 曰老女人黄片| 国产成人精品久久久久久| 亚洲成人手机| 性高湖久久久久久久久免费观看| 一区二区三区四区激情视频| 亚洲精品一二三| 一级片'在线观看视频| 免费黄频网站在线观看国产| e午夜精品久久久久久久| 久久久久久久大尺度免费视频| 在线观看免费日韩欧美大片| 国产日韩欧美视频二区| 欧美日韩成人在线一区二区| 九色亚洲精品在线播放| 欧美精品人与动牲交sv欧美| 国产精品一区二区精品视频观看| 国产亚洲精品久久久久5区| 9191精品国产免费久久| 国产av精品麻豆| 黄色毛片三级朝国网站| 九草在线视频观看| 日日夜夜操网爽| 人妻一区二区av| 国产精品欧美亚洲77777| 青春草视频在线免费观看| 成年女人毛片免费观看观看9 | 99香蕉大伊视频| 妹子高潮喷水视频| 日本色播在线视频| 免费在线观看影片大全网站 | 国产黄色视频一区二区在线观看| 日韩人妻精品一区2区三区| 亚洲精品国产av成人精品| 国产成人精品在线电影| 欧美乱码精品一区二区三区| 色网站视频免费| 大片免费播放器 马上看| 大香蕉久久网| 少妇猛男粗大的猛烈进出视频| 两个人免费观看高清视频| 久久久久视频综合| 国产淫语在线视频| 男女国产视频网站| 国产精品久久久人人做人人爽| 男女边吃奶边做爰视频| 两个人免费观看高清视频| 精品久久久久久久毛片微露脸 | 久久国产亚洲av麻豆专区| 亚洲精品美女久久av网站| 中文字幕最新亚洲高清| a级片在线免费高清观看视频| 多毛熟女@视频| 日韩欧美一区视频在线观看| 亚洲国产中文字幕在线视频| 免费看不卡的av| 亚洲欧洲精品一区二区精品久久久| 国产av一区二区精品久久| 夫妻午夜视频| 热99久久久久精品小说推荐| 国产精品一区二区在线不卡| 国产淫语在线视频| 亚洲伊人久久精品综合| 少妇粗大呻吟视频| 观看av在线不卡| 亚洲欧美中文字幕日韩二区| 性高湖久久久久久久久免费观看| 欧美日韩国产mv在线观看视频| 成在线人永久免费视频| 2021少妇久久久久久久久久久| 天堂中文最新版在线下载| 无限看片的www在线观看| 黄频高清免费视频| 在线 av 中文字幕| 亚洲精品自拍成人| 亚洲三区欧美一区| 美女主播在线视频| av天堂在线播放| 亚洲国产av新网站| 国产一区有黄有色的免费视频| 日韩中文字幕视频在线看片| 国产在线观看jvid| 国产亚洲午夜精品一区二区久久| 欧美老熟妇乱子伦牲交| av国产精品久久久久影院| 久久久久精品人妻al黑| 国产成人免费无遮挡视频| 成人亚洲精品一区在线观看| 我要看黄色一级片免费的| 你懂的网址亚洲精品在线观看| 亚洲欧美清纯卡通| 最近最新中文字幕大全免费视频 | 免费观看a级毛片全部| 亚洲精品国产区一区二| 亚洲av成人精品一二三区| 十八禁高潮呻吟视频| 各种免费的搞黄视频| 亚洲国产看品久久| 在线观看国产h片| 亚洲第一青青草原| 久久精品久久精品一区二区三区| 波野结衣二区三区在线| 高清欧美精品videossex| 久久精品国产亚洲av高清一级| 手机成人av网站| 免费看十八禁软件| 少妇粗大呻吟视频| 两人在一起打扑克的视频| 国产亚洲av片在线观看秒播厂| 桃花免费在线播放| 欧美亚洲日本最大视频资源| 1024视频免费在线观看| 国产精品久久久久成人av| 一区二区日韩欧美中文字幕| 如日韩欧美国产精品一区二区三区| 女性被躁到高潮视频| 波野结衣二区三区在线| 欧美日韩视频高清一区二区三区二| 天天影视国产精品| 黄色片一级片一级黄色片| 久久人人爽人人片av| 黄频高清免费视频| 中文字幕高清在线视频| 宅男免费午夜| 熟女少妇亚洲综合色aaa.| 无遮挡黄片免费观看| 人人妻人人澡人人看| 国产一级毛片在线| 日韩av在线免费看完整版不卡| 亚洲伊人色综图| 波多野结衣一区麻豆| 亚洲精品国产av蜜桃| 日韩制服骚丝袜av| tube8黄色片| 亚洲欧洲日产国产| 国产欧美日韩精品亚洲av| 中文字幕av电影在线播放| 美女脱内裤让男人舔精品视频| 亚洲精品日本国产第一区| 这个男人来自地球电影免费观看| 中文字幕制服av| 老司机午夜十八禁免费视频| 青春草视频在线免费观看| 搡老乐熟女国产| www.999成人在线观看| 色播在线永久视频| 黄频高清免费视频| 麻豆乱淫一区二区| 亚洲欧洲国产日韩| 男女无遮挡免费网站观看| 久久国产精品人妻蜜桃| 亚洲人成77777在线视频| 老司机影院成人| 欧美亚洲 丝袜 人妻 在线| 久久久久久久国产电影| 777米奇影视久久| 91麻豆精品激情在线观看国产 | 久久久精品区二区三区| 日本vs欧美在线观看视频| 日韩精品免费视频一区二区三区| 欧美日韩视频高清一区二区三区二| 亚洲成色77777| 中文乱码字字幕精品一区二区三区| 亚洲人成电影观看| 天天躁夜夜躁狠狠躁躁| av网站在线播放免费| 人妻一区二区av| 国产1区2区3区精品| 天堂中文最新版在线下载| 国产亚洲av高清不卡| 麻豆国产av国片精品| videos熟女内射| 日韩av免费高清视频| 中文字幕人妻丝袜一区二区| 精品国产国语对白av| 亚洲av欧美aⅴ国产| 老汉色∧v一级毛片| 精品一区二区三区四区五区乱码 | 七月丁香在线播放| 午夜免费观看性视频| 久久青草综合色| 久久人妻福利社区极品人妻图片 | 美女主播在线视频| 免费少妇av软件| 欧美久久黑人一区二区| 99国产综合亚洲精品| 久久久久国产精品人妻一区二区| 美女主播在线视频| 日韩视频在线欧美| 青青草视频在线视频观看| 99国产综合亚洲精品| 侵犯人妻中文字幕一二三四区| 国产极品粉嫩免费观看在线| avwww免费| 国产99久久九九免费精品| 性色av乱码一区二区三区2| 日韩一区二区三区影片| 精品国产一区二区久久| 午夜福利一区二区在线看| 国产1区2区3区精品| 99国产精品一区二区蜜桃av | 又大又爽又粗| 手机成人av网站| 人体艺术视频欧美日本| 最近手机中文字幕大全| 狠狠婷婷综合久久久久久88av| 午夜福利影视在线免费观看| 国产成人精品久久二区二区91| 777久久人妻少妇嫩草av网站| 亚洲七黄色美女视频| 亚洲欧美精品综合一区二区三区| 只有这里有精品99| 999久久久国产精品视频| 极品人妻少妇av视频| 亚洲成人免费av在线播放| 午夜激情久久久久久久| 精品一区二区三卡| 狂野欧美激情性xxxx| 久久精品熟女亚洲av麻豆精品| 欧美中文综合在线视频| 18禁国产床啪视频网站| 校园人妻丝袜中文字幕| 国产精品.久久久| 一级毛片我不卡| 亚洲av日韩在线播放| 日本欧美国产在线视频| 成人免费观看视频高清| 久久青草综合色| 一级毛片女人18水好多 | 99精品久久久久人妻精品| 热re99久久精品国产66热6| 男人操女人黄网站| 成年av动漫网址| 两人在一起打扑克的视频| 一个人免费看片子| 又粗又硬又长又爽又黄的视频| 午夜福利一区二区在线看| 中国国产av一级| 一二三四社区在线视频社区8| 中文字幕av电影在线播放| 老司机影院毛片| 欧美 亚洲 国产 日韩一| 精品福利永久在线观看| 久久久久国产精品人妻一区二区| 亚洲精品自拍成人| 妹子高潮喷水视频| 午夜老司机福利片| 国产不卡av网站在线观看| 一本久久精品| 午夜av观看不卡| 午夜影院在线不卡| 丁香六月欧美| 免费看十八禁软件| 久久久国产欧美日韩av| 久久99热这里只频精品6学生| 男女免费视频国产| 成年av动漫网址| 欧美精品av麻豆av| 免费观看av网站的网址| 晚上一个人看的免费电影| 国产亚洲午夜精品一区二区久久| 精品久久久久久久毛片微露脸 | 黑人巨大精品欧美一区二区蜜桃| 国产视频首页在线观看| 中文字幕人妻丝袜制服| 蜜桃国产av成人99| 国产精品免费大片| 国产高清不卡午夜福利| 亚洲三区欧美一区| 91麻豆av在线| 亚洲av日韩精品久久久久久密 | 久久99一区二区三区| 伊人久久大香线蕉亚洲五| 搡老乐熟女国产| 欧美xxⅹ黑人| 伊人久久大香线蕉亚洲五| 国产精品一区二区在线不卡| 国产伦人伦偷精品视频| 国产欧美日韩一区二区三区在线| 欧美中文综合在线视频| 人体艺术视频欧美日本| 悠悠久久av| 男女国产视频网站| 一级毛片黄色毛片免费观看视频| 每晚都被弄得嗷嗷叫到高潮| 欧美少妇被猛烈插入视频| 一级毛片黄色毛片免费观看视频| 每晚都被弄得嗷嗷叫到高潮| 黑人猛操日本美女一级片| 一级毛片黄色毛片免费观看视频| 晚上一个人看的免费电影| 久久久久精品国产欧美久久久 | 久久99精品国语久久久| 国产真人三级小视频在线观看| 热re99久久国产66热| 青草久久国产| 亚洲精品久久成人aⅴ小说| 欧美乱码精品一区二区三区| 亚洲天堂av无毛| 国产午夜精品一二区理论片| 亚洲自偷自拍图片 自拍| 婷婷色综合大香蕉|