基于AI技术松材线虫病智能识别方案-飞燕遥感林区普查

松树是当今我国推进美丽中国和生态文明建设进程中,众多重要生态区、自然保护地的主要树种。但我国多达9亿亩的松科植物资源目前正遭受着体长约1毫米、肉眼看不见的松材线虫的威胁和危害。被松材线虫感染后的松树,针叶黄褐色或红褐色,萎蔫下垂,树脂分泌停止,整株干枯死亡,最终腐烂。

松材线虫病具有致病力强、传播快、治理难度大的特征,一旦松林感染,将造成毁灭性打击。因此,松材线虫病被列为国际性检疫对象之一。2021年 7月国家林业和草原局《全国松材线虫病疫情防控五年攻坚行动计划(2021-2025)》,2022年9月国家林业和草原局发布了《松材线虫病防治技术方案(2022年版)》,指导各地科学精准系统做好松材线虫病疫情防控工作。为此,飞燕遥感推出了基于AI技术松材线虫病智能识别方案。

一、AI松材线虫病智能识别方案

(一)AI智能识别设计

利用无人机、大飞机等监测平台采集林区数据,依托自主研发识别AI算法,构建人工智能数据样本库,覆盖多时期、多树种多胁迫等样本数据,以支撑高性能算法模型的训练和识别。

(二)AI智能识别流程

上传数据,上传待识别区域正射影像数据,上传完成后分割处理多幅图像。

识别处理,设置处理参数(模型权重、置信度),对模型权重初始化,调整置信度的值;设置完成后开始进行自动化识别处理。

成果导出,AI松材线虫病识别完成后生成带标识成果图和疑似疫木坐标表。

二、AI智能识别方案特点

松材线虫病死树出现的高峰期在每年的8—10月份,一株松树感染松材线虫病最快40天左右就会死亡。飞燕遥感AI智能识别方案具有监测速度快、识别准确率高、实施成本低的特点,能够及时发现松树异常情况,确保疫情早发现、早除治。

(一)监测速度快

空域协调能力强。飞燕遥感在航空领域深耕20年,开创了一套独有的实施方案——评估-规划-实施-监控-总结,能够及时抓住可飞天气,在有效时间内进行日常监测和秋季专项调查,航飞效率提升30%。

航摄设备先进,数据采集效率高。飞燕遥感拥有10台先进航摄设备及多套旋翼和固定翼无人机倾斜摄影系统,其中大幅面高精度UCE相机像素达2.6亿;全国仅有的2台RIEGL1560i,发射频率2000Hz,30个激光点/平方米;自主研发AIMS多模态航摄仪,一次性采集多源数据(下视影像2.8亿像素、倾斜影像8.8亿像素、点云数据200万点/秒、高光谱影像分辨率5nm),完全满足各种场景下的数据采集要求......

高光谱遥感以其强大的光谱敏感性(纳米级的窄通道)能够探测到植被在病虫害侵害早期与健康植被的细微光谱差异,为森林病虫害的早期监测预警提供了可能。通过AIMS多模态航摄仪获取高分辨率的影像数据、多光谱数据及点云数据,时空同步的多源数据融合,结合机器学习,利用林业领域的知识库进行训练,可以做到单木级别的松材线虫染病树木的自动化提取。基于样本调查、目视解译、图像识别、机器学习、深度学习等方法解决林业病虫害方面的需求。

(二)识别准确率高

1.丰富的样本库

样本是松材线虫精准识别重要的一环,样本采集除了参考了样本分类标准收集松树的各个时期样本(健康状态、初期状态、中期状态、晚期状态)外,还充分考虑树种(黑松、马尾松等)、其它病虫害、胁迫等因素。

2.先进的识别模型

飞燕AI识别诊断模型,聚焦于中后期松材线虫病的识别。采用先进的深度学习算法开发松材线虫病害智能识别模型,通过大量样本学习,从而实现对松材线虫病害树木的快速、准确识别,同时利用边缘计算等算法确定病树位置,从而提高松材线虫病害防治效率和精准度。

(三)实施成本低

传统松材线虫害防治工作,以人工地面普查为主,大范围的林区普查需要耗费大量的人力、物力和财力。飞燕智能识别诊断平台依托飞燕的采集优势,对林区数据定期采集,同时利用遥感解译、大数据、人工智能等技术,高效识别、定位病木位置分布,为林区工作人员疫木除治提供依据。

得益于获取多角度的倾斜影像,树木在房屋遮挡的位置也可以提取

三、应用场景案例

(一)林区重点区域巡查监测预警

2022版松材线虫病防治技术方案明确要求对林区重点区域应该加强巡查频次。根据文件要求飞燕遥感提出“无人机机巢+识别算法+平台”一体化智能监测平台的解决方案。通过无人机巡查监测的方式,实时采集、实时分析、实时展示,做到早发现早处置,最大程度降低人力成本,提升巡检效率。

福建某地区智能识别监测成果

(二)林区大范围的专项普查

普查工作对全域的松林以及松木加工企业、木材市场、在建工地和设备包装物弃放地、单位和居民住所周边以及人为活动频繁的林地等区域进行全面调查。通过大飞机优势大范围高效采集、智能识别诊断及时全面掌握疫情发生情况和防控成效,为科学决策和制定下一年度防治方案提供支撑。

PWD(松材线虫病)在0.5以上,基本可以确定是染病树木

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )