• <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
    3wmmmm亚洲av在线观看| АⅤ资源中文在线天堂| 美女内射精品一级片tv| 免费看av在线观看网站| 麻豆一二三区av精品| 亚洲人成网站在线播放欧美日韩| 久久精品国产自在天天线| 乱人视频在线观看| 中文字幕精品亚洲无线码一区| 国产精品一区二区免费欧美| 免费观看在线日韩| 色综合亚洲欧美另类图片| 69人妻影院| 日本撒尿小便嘘嘘汇集6| 联通29元200g的流量卡| 91久久精品电影网| 久久精品综合一区二区三区| 一进一出抽搐动态| 亚洲人成网站高清观看| 成人亚洲欧美一区二区av| 搡老岳熟女国产| 欧美性猛交黑人性爽| 99在线视频只有这里精品首页| 久久人妻av系列| 人人妻人人澡人人爽人人夜夜 | 18禁裸乳无遮挡免费网站照片| 亚洲欧美精品综合久久99| 成人精品一区二区免费| 高清午夜精品一区二区三区 | 一区二区三区四区激情视频 | 伊人久久精品亚洲午夜| 婷婷色综合大香蕉| а√天堂www在线а√下载| 亚洲最大成人手机在线| 久久精品国产99精品国产亚洲性色| 人妻久久中文字幕网| 又黄又爽又免费观看的视频| 日韩精品中文字幕看吧| 在线a可以看的网站| 波野结衣二区三区在线| 女同久久另类99精品国产91| 亚洲欧美精品自产自拍| 午夜福利高清视频| 成人鲁丝片一二三区免费| 午夜福利成人在线免费观看| 欧美成人精品欧美一级黄| aaaaa片日本免费| 欧美性感艳星| 色综合站精品国产| 日韩 亚洲 欧美在线| av专区在线播放| av在线蜜桃| 亚州av有码| 性色avwww在线观看| 欧美国产日韩亚洲一区| 国产精品久久久久久久电影| 亚洲熟妇熟女久久| 亚洲一区高清亚洲精品| 中国美白少妇内射xxxbb| 此物有八面人人有两片| 深爱激情五月婷婷| 色av中文字幕| 小说图片视频综合网站| 欧美精品国产亚洲| 中文字幕精品亚洲无线码一区| 成人精品一区二区免费| 美女免费视频网站| 中国美女看黄片| 亚洲第一电影网av| 寂寞人妻少妇视频99o| 亚洲av免费在线观看| 高清毛片免费观看视频网站| 可以在线观看毛片的网站| 天天躁夜夜躁狠狠久久av| 亚洲精品粉嫩美女一区| 一进一出抽搐动态| 特级一级黄色大片| 久久精品国产亚洲av香蕉五月| 91久久精品国产一区二区成人| 色av中文字幕| 在线天堂最新版资源| 99久久中文字幕三级久久日本| 欧美xxxx黑人xx丫x性爽| 日本在线视频免费播放| 身体一侧抽搐| 舔av片在线| 欧美色欧美亚洲另类二区| 国产精品不卡视频一区二区| 无遮挡黄片免费观看| 国产黄色小视频在线观看| 久久久国产成人精品二区| 熟妇人妻久久中文字幕3abv| 久久久成人免费电影| 欧美成人一区二区免费高清观看| 成人综合一区亚洲| 99久久久亚洲精品蜜臀av| 久久精品综合一区二区三区| 亚洲精品456在线播放app| 免费看光身美女| 日韩中字成人| 国产精华一区二区三区| 成人一区二区视频在线观看| 日韩一本色道免费dvd| a级毛片免费高清观看在线播放| 国产麻豆成人av免费视频| 日韩在线高清观看一区二区三区| 一a级毛片在线观看| 99国产精品一区二区蜜桃av| 99久久成人亚洲精品观看| 中文亚洲av片在线观看爽| 久久人人爽人人爽人人片va| 国产精品伦人一区二区| 人人妻人人澡人人爽人人夜夜 | 亚洲精品456在线播放app| 国产毛片a区久久久久| 久久精品夜夜夜夜夜久久蜜豆| 亚洲高清免费不卡视频| 一级毛片aaaaaa免费看小| 嫩草影视91久久| 深爱激情五月婷婷| 色尼玛亚洲综合影院| 插逼视频在线观看| 99在线人妻在线中文字幕| 国产黄色视频一区二区在线观看 | 欧美最黄视频在线播放免费| 精华霜和精华液先用哪个| 一个人观看的视频www高清免费观看| 欧美国产日韩亚洲一区| 99久久久亚洲精品蜜臀av| 国产一区二区三区在线臀色熟女| 蜜桃久久精品国产亚洲av| 精品不卡国产一区二区三区| 久久久久久久午夜电影| 精品久久久久久成人av| 99久久久亚洲精品蜜臀av| 听说在线观看完整版免费高清| 男人狂女人下面高潮的视频| 身体一侧抽搐| 日日干狠狠操夜夜爽| 日本三级黄在线观看| 国产精品久久久久久久电影| 亚洲国产欧美人成| 国产91av在线免费观看| 欧美一区二区精品小视频在线| 欧美一区二区亚洲| 真实男女啪啪啪动态图| 2021天堂中文幕一二区在线观| 最近中文字幕高清免费大全6| 亚洲国产精品久久男人天堂| 久久热精品热| 亚洲av熟女| av在线老鸭窝| av天堂在线播放| 少妇猛男粗大的猛烈进出视频 | 99久久久亚洲精品蜜臀av| 国产精品精品国产色婷婷| 亚洲av不卡在线观看| 国产高清不卡午夜福利| 久久久久久久午夜电影| 久久精品国产鲁丝片午夜精品| 国产免费一级a男人的天堂| 成人特级av手机在线观看| 性欧美人与动物交配| 精品福利观看| 久久久久久大精品| 精品人妻一区二区三区麻豆 | 18禁裸乳无遮挡免费网站照片| 可以在线观看毛片的网站| 欧美日韩在线观看h| 亚洲婷婷狠狠爱综合网| 波多野结衣巨乳人妻| 3wmmmm亚洲av在线观看| 久久精品夜色国产| 欧美日韩综合久久久久久| 亚洲av成人av| 国产91av在线免费观看| 欧美+亚洲+日韩+国产| 免费大片18禁| 中文在线观看免费www的网站| 观看美女的网站| 国产真实乱freesex| 国产伦一二天堂av在线观看| 天堂动漫精品| 人妻久久中文字幕网| 亚洲欧美精品自产自拍| 日韩成人av中文字幕在线观看 | 丰满乱子伦码专区| 亚洲国产精品久久男人天堂| 亚洲乱码一区二区免费版| 天天躁日日操中文字幕| 欧美日韩国产亚洲二区| 天堂动漫精品| 欧美国产日韩亚洲一区| 欧美日韩在线观看h| 久久久久九九精品影院| 久久精品国产亚洲av涩爱 | 一本久久中文字幕| 亚洲成av人片在线播放无| 日本 av在线| 精品一区二区三区视频在线| 亚洲成人av在线免费| 国产精品爽爽va在线观看网站| 亚洲图色成人| 国产精品福利在线免费观看| 99久国产av精品国产电影| 特级一级黄色大片| 欧美一区二区国产精品久久精品| 乱码一卡2卡4卡精品| 亚洲精品一区av在线观看| 18禁在线无遮挡免费观看视频 | 免费人成视频x8x8入口观看| 18+在线观看网站| 热99在线观看视频| 夜夜夜夜夜久久久久| 成人亚洲欧美一区二区av| 国产一区二区三区在线臀色熟女| 天堂网av新在线| 日本色播在线视频| 熟女人妻精品中文字幕| 欧美区成人在线视频| 综合色av麻豆| 99热这里只有是精品50| 最新中文字幕久久久久| 在线看三级毛片| 欧美区成人在线视频| 黄色视频,在线免费观看| av黄色大香蕉| 五月伊人婷婷丁香| 一级黄片播放器| 中文亚洲av片在线观看爽| 超碰av人人做人人爽久久| 国产综合懂色| 2021天堂中文幕一二区在线观| 春色校园在线视频观看| 色综合色国产| 欧美性猛交╳xxx乱大交人| 国产高清三级在线| 国产 一区精品| 久久午夜亚洲精品久久| 黄色日韩在线| 日韩成人av中文字幕在线观看 | 亚洲七黄色美女视频| 可以在线观看毛片的网站| 国产精品av视频在线免费观看| 亚洲人与动物交配视频| 99视频精品全部免费 在线| 最近视频中文字幕2019在线8| 观看免费一级毛片| 一区福利在线观看| 免费看av在线观看网站| 日产精品乱码卡一卡2卡三| 日韩高清综合在线| 少妇高潮的动态图| 国产精品女同一区二区软件| 成人综合一区亚洲| 丰满人妻一区二区三区视频av| 欧美丝袜亚洲另类| 99久久久亚洲精品蜜臀av| 嫩草影院入口| 少妇熟女aⅴ在线视频| 久久久久久久午夜电影| 久久人妻av系列| www日本黄色视频网| 午夜爱爱视频在线播放| 久久精品91蜜桃| 观看美女的网站| 日韩一区二区视频免费看| 久久久久久久久大av| 亚洲一区高清亚洲精品| 蜜臀久久99精品久久宅男| 日本一二三区视频观看| 波野结衣二区三区在线| 免费搜索国产男女视频| 尾随美女入室| 一级毛片电影观看 | 男人的好看免费观看在线视频| 欧美+日韩+精品| 长腿黑丝高跟| 国产 一区 欧美 日韩| 久久国产乱子免费精品| aaaaa片日本免费| 国产免费一级a男人的天堂| 精品久久久久久久末码| 国产精品国产高清国产av| 一级毛片电影观看 | 别揉我奶头~嗯~啊~动态视频| 国语自产精品视频在线第100页| 欧美一区二区亚洲| 中国美白少妇内射xxxbb| 天堂√8在线中文| 国产久久久一区二区三区| av在线观看视频网站免费| 简卡轻食公司| 永久网站在线| 亚洲va在线va天堂va国产| 国产精品国产高清国产av| 18禁在线播放成人免费| 日日摸夜夜添夜夜添av毛片| 国产精品精品国产色婷婷| 可以在线观看毛片的网站| 国产精品国产三级国产av玫瑰| 国产精品久久电影中文字幕| 男女下面进入的视频免费午夜| 麻豆乱淫一区二区| 久久欧美精品欧美久久欧美| 午夜激情欧美在线| 午夜福利高清视频| 久99久视频精品免费| 插逼视频在线观看| 一本久久中文字幕| 夜夜看夜夜爽夜夜摸| av卡一久久| 熟妇人妻久久中文字幕3abv| 观看美女的网站| 免费av观看视频| 亚洲熟妇中文字幕五十中出| 国产在线精品亚洲第一网站| 我的女老师完整版在线观看| 亚洲天堂国产精品一区在线| 我的女老师完整版在线观看| 观看免费一级毛片| 黑人高潮一二区| 亚洲不卡免费看| 91av网一区二区| 久久精品国产亚洲网站| 国产三级中文精品| 人妻少妇偷人精品九色| 国产乱人视频| 最近2019中文字幕mv第一页| 国内少妇人妻偷人精品xxx网站| 午夜免费激情av| 国产黄片美女视频| 欧美成人一区二区免费高清观看| 日本成人三级电影网站| 一区二区三区免费毛片| 国产亚洲精品久久久久久毛片| 亚洲婷婷狠狠爱综合网| 在线a可以看的网站| av卡一久久| 老熟妇乱子伦视频在线观看| 美女内射精品一级片tv| 在线观看免费视频日本深夜| 在线观看午夜福利视频| 日本成人三级电影网站| 午夜福利视频1000在线观看| 亚洲中文字幕一区二区三区有码在线看| 美女内射精品一级片tv| 国产视频一区二区在线看| 国产精品久久视频播放| av福利片在线观看| 亚洲高清免费不卡视频| 九九在线视频观看精品| 最近手机中文字幕大全| 麻豆久久精品国产亚洲av| 一本久久中文字幕| 色哟哟哟哟哟哟| 日本一二三区视频观看| 国产免费一级a男人的天堂| 久久久色成人| 国内少妇人妻偷人精品xxx网站| 最近在线观看免费完整版| 色哟哟哟哟哟哟| 最近在线观看免费完整版| 国产精品一区二区性色av| 在现免费观看毛片| 免费在线观看影片大全网站| 别揉我奶头~嗯~啊~动态视频| 国产高潮美女av| 国产在视频线在精品| 一进一出好大好爽视频| 国产综合懂色| 波多野结衣高清作品| 国产在线精品亚洲第一网站| 亚洲熟妇熟女久久| 日韩欧美在线乱码| 欧美性感艳星| 久久久久国产精品人妻aⅴ院| 成人午夜高清在线视频| 老熟妇乱子伦视频在线观看| 日韩欧美精品免费久久| 亚洲国产高清在线一区二区三| 男插女下体视频免费在线播放| 国产老妇女一区| 99riav亚洲国产免费| 亚洲成人av在线免费| 亚洲va在线va天堂va国产| 亚洲国产高清在线一区二区三| 国产亚洲av嫩草精品影院| 你懂的网址亚洲精品在线观看 | 国产黄色小视频在线观看| 不卡视频在线观看欧美| 99九九线精品视频在线观看视频| 国产成人freesex在线 | 精品一区二区三区人妻视频| 欧美xxxx性猛交bbbb| 国产乱人视频| 欧美丝袜亚洲另类| 看非洲黑人一级黄片| 亚洲美女搞黄在线观看 | 午夜精品一区二区三区免费看| 九九久久精品国产亚洲av麻豆| 免费看日本二区| 男人舔奶头视频| 欧美色视频一区免费| 不卡视频在线观看欧美| 欧美性感艳星| 久久久久久久久中文| 美女黄网站色视频| 简卡轻食公司| 亚洲色图av天堂| av在线天堂中文字幕| 国产又黄又爽又无遮挡在线| 国产一区二区三区av在线 | 午夜福利成人在线免费观看| 日日啪夜夜撸| 国产亚洲av嫩草精品影院| 伦理电影大哥的女人| 久久久精品94久久精品| 国产乱人偷精品视频| 3wmmmm亚洲av在线观看| 桃色一区二区三区在线观看| 日本-黄色视频高清免费观看| 亚洲欧美日韩卡通动漫| 久久久久久久久中文| 久久人人爽人人爽人人片va| 又爽又黄a免费视频| 日韩欧美精品v在线| 在线免费十八禁| 你懂的网址亚洲精品在线观看 | 亚洲精品久久国产高清桃花| 99久久久亚洲精品蜜臀av| 美女 人体艺术 gogo| 人人妻人人澡欧美一区二区| 老司机福利观看| 亚洲综合色惰| 成人欧美大片| 校园人妻丝袜中文字幕| 亚洲色图av天堂| 久久久久九九精品影院| 日韩av不卡免费在线播放| 欧美丝袜亚洲另类| 草草在线视频免费看| 乱码一卡2卡4卡精品| 天堂√8在线中文| 欧美高清成人免费视频www| 深爱激情五月婷婷| av福利片在线观看| 成人性生交大片免费视频hd| 日韩欧美精品v在线| 日本三级黄在线观看| 深夜精品福利| 少妇的逼水好多| 18禁在线播放成人免费| 亚洲专区国产一区二区| 欧美色视频一区免费| 婷婷精品国产亚洲av在线| 久久久国产成人精品二区| 国产黄色小视频在线观看| 免费看光身美女| 97热精品久久久久久| 午夜福利在线观看免费完整高清在 | 亚洲av第一区精品v没综合| 免费av不卡在线播放| 99久久精品国产国产毛片| 一进一出抽搐gif免费好疼| 久久精品国产亚洲网站| 热99在线观看视频| 99精品在免费线老司机午夜| 国产精品精品国产色婷婷| 白带黄色成豆腐渣| 久久久国产成人免费| 午夜福利在线在线| 日本三级黄在线观看| 长腿黑丝高跟| 日韩国内少妇激情av| 日韩高清综合在线| 神马国产精品三级电影在线观看| 欧美高清性xxxxhd video| 国产精品国产三级国产av玫瑰| 国产在线男女| 一个人观看的视频www高清免费观看| 国产午夜福利久久久久久| 久久久久性生活片| 久久精品久久久久久噜噜老黄 | 亚洲人成网站在线播| 国产精品免费一区二区三区在线| 午夜日韩欧美国产| 嫩草影院入口| 大型黄色视频在线免费观看| 欧美成人精品欧美一级黄| 亚洲一级一片aⅴ在线观看| 99久久精品一区二区三区| 免费观看人在逋| .国产精品久久| 午夜爱爱视频在线播放| 黄片wwwwww| 天堂网av新在线| 免费看美女性在线毛片视频| 插逼视频在线观看| 97超级碰碰碰精品色视频在线观看| 婷婷六月久久综合丁香| 看片在线看免费视频| 校园人妻丝袜中文字幕| 亚洲欧美精品自产自拍| 又爽又黄无遮挡网站| 国产精品,欧美在线| 国产在线男女| 亚洲精品影视一区二区三区av| 91久久精品电影网| 成人亚洲精品av一区二区| 亚洲av美国av| 国产精品亚洲美女久久久| 99riav亚洲国产免费| 久久久午夜欧美精品| 精品99又大又爽又粗少妇毛片| 国产一区亚洲一区在线观看| 内射极品少妇av片p| 美女cb高潮喷水在线观看| 日韩av不卡免费在线播放| 成年av动漫网址| 色哟哟·www| 免费看光身美女| 久久久色成人| 欧美日韩精品成人综合77777| 成人美女网站在线观看视频| 一夜夜www| 成人特级黄色片久久久久久久| 最近的中文字幕免费完整| 草草在线视频免费看| 波多野结衣巨乳人妻| 嫩草影院入口| 久久久午夜欧美精品| 99久久成人亚洲精品观看| or卡值多少钱| 国产亚洲精品久久久久久毛片| 麻豆成人午夜福利视频| 搡老岳熟女国产| 啦啦啦观看免费观看视频高清| 日本爱情动作片www.在线观看 | 亚洲一区高清亚洲精品| 亚洲av美国av| 天天一区二区日本电影三级| 国产片特级美女逼逼视频| 精品人妻视频免费看| 午夜精品一区二区三区免费看| 日本爱情动作片www.在线观看 | 国产精品伦人一区二区| 欧美精品国产亚洲| 婷婷亚洲欧美| 午夜爱爱视频在线播放| 九九久久精品国产亚洲av麻豆| 久久久久久久久中文| 国模一区二区三区四区视频| 最好的美女福利视频网| 中文在线观看免费www的网站| 俄罗斯特黄特色一大片| 午夜福利在线观看免费完整高清在 | 欧美国产日韩亚洲一区| 久久久精品欧美日韩精品| 国产熟女欧美一区二区| 国产精品一二三区在线看| 黑人高潮一二区| 日韩,欧美,国产一区二区三区 | 日本一二三区视频观看| 久久国产乱子免费精品| 可以在线观看毛片的网站| 男女视频在线观看网站免费| 日日啪夜夜撸| 久久久久久久亚洲中文字幕| 岛国在线免费视频观看| 久久精品人妻少妇| 午夜久久久久精精品| 综合色丁香网| 一进一出抽搐gif免费好疼| 亚洲精品乱码久久久v下载方式| 露出奶头的视频| 夜夜看夜夜爽夜夜摸| 蜜桃亚洲精品一区二区三区| 国产欧美日韩精品亚洲av| 看十八女毛片水多多多| 欧美色欧美亚洲另类二区| 日本精品一区二区三区蜜桃| 两性午夜刺激爽爽歪歪视频在线观看| 成人av在线播放网站| 久久亚洲精品不卡| 午夜免费男女啪啪视频观看 | 国产男靠女视频免费网站| 精品久久久久久久久久免费视频| 亚洲欧美日韩卡通动漫| 亚洲av中文av极速乱| 日韩欧美国产在线观看| 嫩草影院新地址| 欧美一区二区精品小视频在线| 久久精品国产鲁丝片午夜精品| 一级毛片久久久久久久久女| 国产高清视频在线播放一区| 精品久久久久久久久久久久久| av在线天堂中文字幕| 麻豆久久精品国产亚洲av| 亚洲国产精品久久男人天堂| 美女xxoo啪啪120秒动态图| 免费在线观看影片大全网站| 色尼玛亚洲综合影院| 少妇裸体淫交视频免费看高清| av在线蜜桃| 国产乱人偷精品视频| 一夜夜www| 日韩精品青青久久久久久| 亚洲人成网站高清观看| 夜夜爽天天搞| 无遮挡黄片免费观看| 免费一级毛片在线播放高清视频| 美女内射精品一级片tv| 久久国产乱子免费精品| 久久久久久久久中文|