无人机影像的松材线虫病半监督学习检测方法

作     者：王畅 熊汉江 涂建光 郑先伟 

作者机构：武汉大学测绘遥感信息工程国家重点实验室 武汉大学遥感信息工程学院 

出 版 物：《武汉大学学报(信息科学版)》 (Geomatics and Information Science of Wuhan University)

年 卷 期：2023年

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 09[农学] 0904[农学-植物保护] 081002[工学-信号与信息处理] 

主　　题：松材线虫病 半监督学习 深度学习 病害检测 无人机影像 GIS应用 

摘      要：松材线虫病是对森林具有破坏性威胁的全球性疾病，每年在中国造成了极大的生态和经济损失，快速准确地监测和绘制松树的感染状况对于控制此类病虫害传播至关重要。为解决在少量有病害标签数据下用大量无标签数据提高模型精确率的问题，本文提出了一种基于深度学习的半监督目标检测方法，联合已有的标记数据和非标记数据训练YOLOv5目标检测模型，利用大范围无人机快拼图像快速自动地识别定位出感染松材线虫病的单株变色木。实验结果表明，半监督深度学习和无人机遥感结合能有效识别出疫木，精确率可达到85%以上，漏检率为9%，经过实际业务数据盲盒验证，算法指标满足大面积松材线虫病疫情快速动态监测要求。