申请/专利权人：北京林业大学

申请日：2022-12-20

公开（公告）日：2023-05-02

公开（公告）号：CN116051982A

主分类号：G06V20/10

分类号：G06V20/10;G06V20/17;G06V10/764;G06V10/82;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.05.19#实质审查的生效;2023.05.02#公开

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。

主权项：1.一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，其特征是：获取无人机搭载的高光谱传感器和LiDAR传感器采集的地面数据，分别对高光谱数据和点云数据进行预处理，得到预处理后的高光谱数据和点云数据；将预处理好的点云数据生成.shp格式文件，并将高光谱数据赋值到点云数据上，得到融合数据；将单木样本数据标记受害类型，并利用高斯噪声抖动参数生成新的点云数据，实现样本扩增，并以3：1：6的比例分为训练集、验证集和测试集，得到样本数据集；最后利用BH3DNet分类模型对样本数据集进行训练和验证，用测试集进行精度测试，得到单木尺度的各感病时期植株的分类结果。

全文数据：

权利要求：

百度查询： 北京林业大学 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD