基于高分辨率卫星遥感影像的松材线虫病检测及分类方法

摘要

为在新工科背景下培养信息学科创新人才，以数字图像处理、遥感原理与应用课程为基础，结合吉林大学“大学生创新创业训练计划”，设计了基于高分辨率卫星遥感影像的松材线虫病检测及分类方法实验项目。利用“吉林一号”高分辨率卫星影像，通过影像预处理建立了松材线虫病害数据样本库。通过对比分析YOLOv5(You Only Look Once version 5)、Faster R-CNN(Faster Region-Convolutional Neural Network)、SSD(Single Shot MultiBox Detector)和YOLOv7网络模型的松材线虫病检测结果，选择对YOLOv7网络模型进行优化，改进后的YOLOv7网络模型的病害检测精度达到90.66%。通过分析不同染病程度疫木的光谱特性，采用SVM(Support Vector Machine)方法对松材线虫病害程度进行划分，分类精度达到95.44%。结果表明，该实验可有效帮助学生将专业理论知识与实践技术融会贯通，提高了学生的实践创新能力，达到了预期的教学效果。

关键词

数字图像处理 / 遥感原理与应用 / 松材线虫病 / 目标检测 / 机器学习