基于无人机视觉的松材线虫病监测预警方法及系统与流程
本发明涉及无人机摄影测量与计算机视觉,具体涉及基于无人机视觉的松材线虫病监测预警方法及系统。
背景技术:
1、松材线虫病是破坏性极强的林业病害,具有传播速度快、致死率高、隐蔽性强的特点,对松林生态系统造成严重威胁,现阶段主流监测方式依托无人机视觉航拍完成野外巡检识别。现有无人机视觉监测技术采用固定图像识别算法,未针对林间复杂环境做适配优化,林间存在的气溶胶悬浮颗粒、空气湿度变化会持续损耗图像光学信号,造成松树冠层图像光强失真,同时无人机野外巡检过程中产生的多角度姿态运动,会引发航拍图像像素错位、形变问题,林间多层交错植被还会遮挡松树病害特征区域。现有技术无法同时消除光学信号损耗、飞行姿态畸变、植被多层遮挡三类干扰因素,三类干扰叠加会直接导致病害特征识别失效,频繁出现误判、漏判情况,监测精准度无法满足大规模松林常态化巡检预警需求。
2、目前亟需一种可同步校正多维度林间干扰、量化病害特征、精准输出病害置信度的监测预警技术方案。
技术实现思路
1、本发明的目的是解决现有技术中存在的缺点,而提出的一种基于无人机视觉的松材线虫病监测预警方法,由机载边缘计算单元执行,包括以下步骤:
2、s1:同步采集松树冠层原始图像光强数据、无人机三维姿态角度数据、林间环境感知数据以及植被景深遮挡数据;
3、s2:基于林间大气光学传播规律,对所述原始图像光强数据执行动态衰减校正运算,消除林间气溶胶以及环境湿度产生的光学损耗干扰,得到校正后目标区域光强数据;
4、s3:基于无人机姿态动力学特征,对所述三维姿态角度数据执行解析运算,量化图像像素偏移量并完成图像畸变复位修复,得到目标图像数据;
5、s4:基于空间景深成像原理,对所述植被景深遮挡数据执行加权运算,量化多层植被遮挡对松树病害特征的干扰程度,得到病害特征有效保留权重;
6、s5:结合所述校正后目标区域光强数据、所述图像像素偏移量、所述病害特征有效保留权重以及预设基准参数执行耦合运算,得到松材线虫病发病置信度。
7、优选的,所述松树冠层原始图像光强数据由机载高清视觉摄像头采集,所述无人机三维姿态角度数据由机载六轴姿态传感器采集,所述林间环境感知数据由林间环境感知单元采集,所述植被景深遮挡数据由机载景深测距单元采集,所有采集数据在无人机巡检过程中实时传输至所述机载边缘计算单元。
8、进一步优选的,所述动态衰减校正运算的运算变量包含林间气溶胶密度、空气湿度以及无人机镜头与松树目标的直线探测距离,运算模式组合非线性指数衰减运算和线性补偿运算,对不同林间光学环境下的图像光强损耗完成校正处理。
9、进一步优选的,所述图像畸变复位修复覆盖无人机俯仰运动、横滚运动以及偏航运动对应的姿态扰动,姿态扰动类型对应独立的像素偏移运算规则,对像素错位、图像拉伸以及图像旋转的图像形变完成全域修正处理。
10、进一步优选的,所述耦合运算采用逐级递进的多维度参数融合运算逻辑,依次完成林间光强损耗校正运算、飞行姿态像素偏移校正运算、植被景深遮挡权重运算以及病害置信度融合运算,前序运算输出数据为后序运算的输入基础,统一消除光学维度、姿态维度以及空间遮挡维度的监测干扰。
11、进一步优选的,所述植被景深遮挡权重运算依托景深距离参数以及植被遮挡层数参数完成归一化融合计算,针对不同空间位置、不同遮挡密集度的植被干扰生成对应权重参数,实现松树病害特征数据的标准化修正处理。
12、进一步优选的,所述病害置信度融合运算整合光强校正参数、像素偏移修正参数以及遮挡权重参数,结合预设松树病害纹理特征固定参数完成归一化计算,输出处于固定数值区间的病害置信度参数。
13、进一步优选的,基于所述松材线虫病发病置信度划分常规监测等级、重点复核等级以及紧急预警等级,不同预警等级对应独立的巡检处置指令,数据存储归档的内容包含目标地理位置数据、实时采集数据、校正运算数据以及置信度判定数据。
14、一种基于无人机视觉的松材线虫病监测预警系统,其特征在于,用于执行上述任一项所述的监测预警方法,系统为软硬件一体化架构,包括多源数据同步采集模块、光学衰减校正运算模块、姿态畸变智能补偿模块、景深干扰权重校正模块以及多因子耦合预警模块;
15、所述多源数据同步采集模块,集成高清视觉采集单元、六轴姿态感知单元、林间环境感知单元以及景深测距单元,用于同步采集松树冠层原始图像光强数据、无人机三维姿态角度数据、林间环境感知数据以及植被景深遮挡数据,并将所有采集数据实时传输至机载边缘计算单元;
16、所述光学衰减校正运算模块,内置林间气溶胶动态光强衰减修正运算逻辑,用于接收林间环境感知数据以及原始图像光强数据,输出校正后目标区域光强数据;
17、所述姿态畸变智能补偿模块,内置多自由度姿态像素偏移校正运算逻辑,用于接收无人机三维姿态角度数据,量化图像像素偏移量并完成图像畸变复位修复,输出目标图像数据;
18、所述景深干扰权重校正模块,内置分层景深遮挡特征衰减权重运算逻辑,用于接收植被景深遮挡数据,运算生成病害特征有效保留权重;
19、所述多因子耦合预警模块,内置多维度干扰校正病害置信度耦合运算逻辑,用于接收校正后目标区域光强数据、图像像素偏移量以及病害特征有效保留权重,运算生成松材线虫病发病置信度。
20、进一步优选的,所述多因子耦合预警模块的运算输入参数包含光学衰减校正运算模块输出的校正后目标区域光强数据、姿态畸变智能补偿模块输出的图像像素偏移量、景深干扰权重校正模块输出的病害特征有效保留权重、预设健康松树标准冠层光强基准值、预设图像有效像素偏移最大容忍值以及预设松树病害纹理特征匹配系数,多因子耦合预警模块基于全部输入参数完成多级递进运算,输出唯一的松材线虫病发病置信度数值。
21、技术效果:本发明针对现有技术无法同步消除林间光学损耗、无人机姿态扰动、植被多层遮挡三重干扰的核心问题,通过多源数据同步采集、分层递进式多维度数据校正与耦合运算,实现对图像光强失真、图像形变、病害特征遮挡问题的全方位校正。本发明依托标准化递进运算逻辑统一各类监测干扰,精准量化松树病害特征保留程度与发病概率,有效规避传统监测的误判、漏判问题,大幅提升林间复杂场景下松材线虫病监测的准确性与稳定性,为松林病虫害分级预警与巡检处置提供精准的数据支撑。
1.一种基于无人机视觉的松材线虫病监测预警方法,其特征在于,由机载边缘计算单元执行,包括以下步骤:
2.根据权利要求1所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,所述松树冠层原始图像光强数据由机载高清视觉摄像头采集,所述无人机三维姿态角度数据由机载六轴姿态传感器采集,所述林间环境感知数据由林间环境感知单元采集,所述植被景深遮挡数据由机载景深测距单元采集,所有采集数据在无人机巡检过程中实时传输至所述机载边缘计算单元。
3.根据权利要求1所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,所述动态衰减校正运算的运算变量包含林间气溶胶密度、空气湿度以及无人机镜头与松树目标的直线探测距离,运算模式组合非线性指数衰减运算和线性补偿运算,对不同林间光学环境下的图像光强损耗完成校正处理。
4.根据权利要求1所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,所述图像畸变复位修复覆盖无人机俯仰运动、横滚运动以及偏航运动对应的姿态扰动,姿态扰动类型对应独立的像素偏移运算规则,对像素错位、图像拉伸以及图像旋转的图像形变完成全域修正处理。
5.根据权利要求1所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,所述耦合运算采用逐级递进的多维度参数融合运算逻辑,依次完成林间光强损耗校正运算、飞行姿态像素偏移校正运算、植被景深遮挡权重运算以及病害置信度融合运算,前序运算输出数据为后序运算的输入基础,统一消除光学维度、姿态维度以及空间遮挡维度的监测干扰。
6.根据权利要求5所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,所述植被景深遮挡权重运算依托景深距离参数以及植被遮挡层数参数完成归一化融合计算,针对不同空间位置、不同遮挡密集度的植被干扰生成对应权重参数,实现松树病害特征数据的标准化修正处理。
7.根据权利要求5所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,所述病害置信度融合运算整合光强校正参数、像素偏移修正参数以及遮挡权重参数,结合预设松树病害纹理特征固定参数完成归一化计算,输出处于固定数值区间的病害置信度参数。
8.根据权利要求1所述的基于无人机视觉的松材线虫病监测预警方法,其特征在于,基于所述松材线虫病发病置信度划分常规监测等级、重点复核等级以及紧急预警等级,不同预警等级对应独立的巡检处置指令,数据存储归档的内容包含目标地理位置数据、实时采集数据、校正运算数据以及置信度判定数据。
9.一种基于无人机视觉的松材线虫病监测预警系统,其特征在于,用于执行权利要求1至8任一项所述的监测预警方法,系统为软硬件一体化架构,包括多源数据同步采集模块、光学衰减校正运算模块、姿态畸变智能补偿模块、景深干扰权重校正模块以及多因子耦合预警模块;
10.根据权利要求9所述的基于无人机视觉的松材线虫病监测预警系统,其特征在于,所述多因子耦合预警模块的运算输入参数包含光学衰减校正运算模块输出的校正后目标区域光强数据、姿态畸变智能补偿模块输出的图像像素偏移量、景深干扰权重校正模块输出的病害特征有效保留权重、预设健康松树标准冠层光强基准值、预设图像有效像素偏移最大容忍值以及预设松树病害纹理特征匹配系数,多因子耦合预警模块基于全部输入参数完成多级递进运算,输出唯一的松材线虫病发病置信度数值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com