一种融合多源异构数据的松材线虫病受害木识别深度学习方法

    公开(公告)号:CN116051982A

    公开(公告)日:2023-05-02

    申请号:CN202211639316.6

    申请日:2022-12-20

    摘要: 本发明公开一种基于无人机高光谱和LiDAR的融合数据而提出的3D点云深度学习方法(BH3DNet),适用于区域松材线虫病害的超高精度监测,属于深度学习和数据融合在林业应用技术领域。关键技术要点包括:1.使用特定方法将高光谱数据赋值到点云数据上来融合高光谱和点云数据;2.使用特定方法高斯噪声抖动扩增样本数据集;3.构建了一种基于点云的实例分割算法模型(BH3DNet)。本发明将基于无人机遥感数据监测病虫害发生区域做到了单木尺度,形成单木定位、单木边界分割和感病阶段识别一体化的监测技术体系,从而快速、自动完成受害木定位和感病阶段监测,为灾害的早期防控提供有力技术支撑。