无人机遥感影像的YOLOv3鼠洞识别技术

编号 zgly0001721754

文献类型 期刊论文

文献题名 无人机遥感影像的YOLOv3鼠洞识别技术

作者 崔博超  郑江华  刘忠军  马涛  沈江龙  赵雪迷 

作者单位 新疆大学资源与环境科学学院  新疆大学绿洲生态教育部重点实验室  新疆林业有害生物防治检疫局 

母体文献 林业科学 

年卷期 2020年10期

年份 2020 

分类号 TP751  TP183  P237 

关键词 机器视觉  无人机  监测  鼠洞识别  目标检测  YOLOv3 

文摘内容 【目的】利用无人机遥感结合机器视觉识别荒漠林大沙鼠鼠洞,以期能够自动、准确和高效地获取鼠洞分布情况,为提高科学治理鼠害效率提供支持。【方法】针对古尔班通古特沙漠南缘荒漠林大沙鼠典型鼠害区,提出一种运用机器视觉结合无人机遥感对鼠害区域鼠洞进行识别定位的方法。该方法包含利用YOLOv3网络及其轻量级解决方案YOLOv3-tiny网络2种识别大沙鼠鼠洞的方案。首先从2次拍摄的低空遥感影像中挑选合适的影像,将其裁剪为416×416像素的图像,利用目标标注工具labelling对图像中鼠洞进行标注,构建荒漠林大沙鼠鼠洞数据集。而后利用k-means聚类算法对大沙鼠鼠洞数据集目标候选框的个数和宽高比维度进行聚类分析,选出适合数据集的先验框。最后调整参数对网络进行训练,采用对大沙鼠鼠洞数据集目标检测的准确率(precision,P)、召回率(recall,R)和平均精确率(average precision,AP作为目标检测算法的评价指标。【结果】YOLOv3网络在大沙鼠鼠洞数据集上的平均查准率为92.37%,YOLOv3-tingy的平均查准率为85.86%,YOLOv3网络比YOLOv3-tiny网络AP要高6.51%,但YOLOv3-tiny参数量仅为YOLOv3的1/13; YOLOv3网络在本文硬件环境中检测单张图像的平均时间为0.83 s,YOLOv3-tiny为0.22 s。【结论】以上结果表明无人机遥感结合YOLOv3网络与YOLOv3-tiny网络可以实现对大沙鼠鼠洞的识别定位,高效的监测大沙鼠鼠洞的分布情况,弥补了传统方法监测鼠害时的不足,提高了监测大沙鼠鼠害的实时性、灵活性。